SpaceX AI выпустила модель распознавания речи Grok Voice Transcribe 2.0: вдвое меньше ошибок при той же цене

Главный смысл: SpaceXAI представила Grok Voice Transcribe 2.0 — модель распознавания речи, у которой, по заявлению разработчика, примерно вдвое снижена частота ошибок при прежней цене. Это заметное обновление для голосовых интерфейсов и массовой расшифровки аудио, но ключевые данные о качестве пока раскрыты неполно.

• Сравнение версий. Разработчик сообщает, что новая версия построена на аудиофундаменте Grok Voice и превзошла версию 1.0 по частоте ошибок слов во всех четырёх внутренних тестах: звонки в поддержку, диалоги с Grok на английском, продиктованные контакты и адреса, а также короткие команды на разных языках.

• Внешний ориентир. По данным Artificial Analysis, Grok Voice Transcribe 2.0 заняла первое место по точности среди 32 потоковых моделей. Подробная разбивка результатов, в том числе по языкам, в материале не приведена; это не заменяет независимой проверки на конкретных сценариях.

• Заявленный масштаб. Компания утверждает, что Grok Voice ежедневно обрабатывает десятки тысяч звонков поддержки, расшифровывает миллионы часов видеозакадрового текста и используется в голосовых агентах устройств, включая помощника Grok в автомобилях Tesla. Независимого подтверждения этих объёмов в статье нет.

• Цена и функции. Пакетная расшифровка стоит 0,10 доллара за час аудио, потоковая — 0,20 доллара; цена относительно версии 1.0 не изменилась. Разделение говорящих, точные временные метки и пользовательские ключевые слова, по данным компании, включены без доплаты.

Что дальше: нужно проверить, подтвердится ли заявленное двукратное снижение ошибок на русской речи, сложных записях, отраслевой терминологии и при нескольких собеседниках. Следить стоит за независимыми тестами задержки и качества, условиями доступа модели для разработчиков и правилами хранения аудио: для корпоративного использования это критично из-за персональных данных.