قدّمت SpaceXAI إصدار Grok Voice Transcribe 2.0 بمعدل أخطاء أقل وبالأسعار السابقة
يتعرّف النموذج الجديد على الكلام في الوضعين الدفعي والمتدفق؛ وتفيد SpaceXAI بأن معدل الأخطاء في اختبار العبارات القصيرة بـ19 لغة انخفض من 20.6% إلى 6.8%. ويتضمن الملخص أسعار واجهة API ونتائج الاختبارات المعيارية، التي لم تخضع بعد للتحقق المستقل.
ما الذي أطلقته SpaceXAI
Grok Voice Transcribe 2.0 هو نموذج للتعرّف على الكلام، متاح عبر Speech to Text API. يدعم المعالجة الدفعية والمتدفقة؛ ومعرّف النموذج هو grok-voice-transcribe-2.0.
- واجهة API متاحة اليوم.
- لم يُعلَن عن أوزان مفتوحة، لذا لا يمكن تشغيل النموذج بشكل مستقل.
- يعمل النموذج عبر واجهة API فقط.
يعتمد الاختيار على طريقة التكامل: يناسب النموذج المعالجة الدفعية أو المتدفقة عبر واجهة API، لكنه غير مناسب للتشغيل المستقل.
ما المعروف عن الدقة
يقول فريق التطوير إن Grok Voice Transcribe 2.0 أدق بمرتين من الإصدار 1.0 مقابل السعر نفسه.
تقول SpaceXAI إن النموذج احتل المركز الأول بين 32 نموذجًا للبث في تصنيف Artificial Analysis العام. يستخدم اختبار AA-WER Streaming نحو ثماني ساعات من الصوت: يُحتسب AA-AgentTalk بوزن 50%، وVoxPopuli بوزن 25%، وEarnings22 بوزن 25%.
في مجموعة داخلية من العبارات القصيرة بـ19 لغة، انخفضت نسبة WER من 20.6% إلى 6.8%. وتقدّر الشركة أن ذلك يعني أخطاء أقل بنحو 67% على مستوى الكلمات، كما تشير إلى تحسّن النتائج في مجموعات البيانات الداخلية الأربع كلها.
لم تُعَد نتائج اختبارات SpaceXAI الداخلية بشكل مستقل. لذلك، ينبغي النظر إلى ادعاءات الدقة بمعزل عن نتائج التصنيف العام.
كم تبلغ تكلفة التفريغ الصوتي
احتفظ Grok Voice Transcribe 2.0 بأسعار الإصدار Grok Voice Transcribe 1.0. وتختلف التكلفة حسب نمط معالجة الصوت.
| النمط | السعر لكل ساعة صوت |
|---|---|
| التفريغ الصوتي الدفعي | 0,10 دولار أمريكي |
| التفريغ الصوتي المتدفق | 0,20 دولار أمريكي |
يشمل السعر فصل المتحدثين والطوابع الزمنية والمصطلحات الأساسية. وعند مقارنة الأنماط، ضع في الحسبان ليس السعر فحسب، بل أيضًا الحاجة إلى المعالجة المتدفقة.
ما اللغات والتنسيقات المدعومة
يحوّل Grok Voice Transcribe 2.0 الكلام إلى نص بعشرات اللغات، ويحدّد اللغة تلقائيًا، ويتعامل مع تبديل اللغة في منتصف التسجيل.
- تقبل واجهة API الدفعية ملفات يصل حجمها إلى 500 MB.
- تتوفر 12 صيغة صوتية للمعالجة الدفعية.
- يعمل البث عبر WebSocket على العنوان
wss://api.x.ai/v1/stt.
المعيار الأساسي للاختيار هنا هو متطلبات اللغات وطريقة إرسال الصوت: عبر واجهة API الدفعية أو تدفق WebSocket.
أين يُستخدم النموذج بالفعل
تستخدم Atlassian Loom نموذج Grok Voice Transcribe 2.0 لتفريغ كل فيديو إلى نص. وأفادت Atlassian بأن النموذج أدق من الحل الذي كانت تستخدمه سابقًا.
يؤكد هذا المثال استخدام النموذج في Loom، لكنه لا يقدم تقييمًا مقارنًا للأنظمة الأخرى.
الأسئلة المتكررة
المواد ذات الصلة
جميع المواد
اختبار وكلاء البرمجة في تطوير XR التفاعلي: نتائج GenXR-Bench
نُشرت GenXR-Bench، وهي مجموعة تضم 112 مهمة من إعداد خبراء لتقييم وكلاء البرمجة تقييمًا شاملًا في تطوير XR التفاعلي، بدءًا من تحسين الوظائف وإصلاح العيوب وصولًا إلى إنشاء التطبيقات والتحقق من سلوكها على أجهزة استهلاكية. حقق أفضل أداء بين النماذج العشرة التي خضعت للاختبار 50.9% Pass@1؛ وشملت الإخفاقات المتكررة التعامل مع الأحداث غير المتزامنة للمستشعرات، وربط الكائنات بالفضاء الواقعي، وفهم التفاعل في السياق المادي.
5 نوفمبر 2026
من المكافأة القياسية إلى جبهة باريتو: توليف RTL باستخدام النماذج اللغوية الكبيرة والتعلّم المعزّز متعدد المعايير
اقتُرحت طريقة لتدريب نموذج لغوي على توليد مجموعة من مرشّحات RTL بدلًا من مخطط واحد، مع مفاضلات مختلفة بين المساحة وزمن التأخير واستهلاك الطاقة؛ وتُبنى المكافأة على مساهمة كل خيار في حجم فرط جبهة باريتو. على RTLLM v2، ارتفع حجم فرط باريتو النسبي بمقدار 13.3 نقطة مئوية مقارنةً بالإصدار الأساسي من دون تحسين PPA، وبمقدار 14.4 نقطة مئوية مقارنةً بالتدريب بالتعلّم المعزّز ذي الهدف الواحد.
5 نوفمبر 2026
تتعرّف النماذج اللغوية الكبيرة الطبية على تحديثات التوصيات، لكنها غالبًا ما تجيب وفقًا للإرشادات القديمة
أظهرت دراسة ChronoEvo التي شملت 1709 تغييرات في التوصيات السريرية أن النموذج الأساسي رصد التحديث في 90,8% من الإجابات، لكنه طبّقه بالكامل في 58,5% فقط، وظلت فجوة قدرها 32,3 نقطة مئوية قائمة لدى 14 نموذجًا. وحتى تعزيز بروز التحديثات لم يحقق زيادة ملحوظة في التطبيق الكامل للقواعد الجديدة ضمن التوصيات السريرية.
4 نوفمبر 2026