SpaceXAI ने कम त्रुटि दर और पुराने शुल्कों पर Grok Voice Transcribe 2.0 पेश किया
नया मॉडल बैच और स्ट्रीमिंग मोड में वाणी को पहचानता है; SpaceXAI का कहना है कि 19 भाषाओं में छोटे वाक्यांशों के परीक्षण में त्रुटि दर 20,6% से घटकर 6,8% हो गई। सारांश में API शुल्क और तुलनात्मक परीक्षणों के नतीजे दिए गए हैं, जिनकी अभी तक स्वतंत्र रूप से पुष्टि नहीं हुई है।
SpaceXAI ने क्या जारी किया
Grok Voice Transcribe 2.0 एक स्पीच रिकग्निशन मॉडल है, जिसे Speech to Text API के ज़रिए इस्तेमाल किया जा सकता है। यह बैच और स्ट्रीमिंग प्रोसेसिंग को सपोर्ट करता है; मॉडल का पहचानकर्ता grok-voice-transcribe-2.0 है।
- API आज उपलब्ध है।
- ओपन वेट्स की घोषणा नहीं की गई है, इसलिए मॉडल को अपने दम पर चलाना संभव नहीं है।
- मॉडल सिर्फ़ API के ज़रिए काम करता है।
चुनाव इस बात पर निर्भर करता है कि आप इसे कैसे इंटीग्रेट करना चाहते हैं: यह API के ज़रिए बैच या स्ट्रीमिंग प्रोसेसिंग के लिए उपयुक्त है, लेकिन इसे अपने दम पर चलाने के लिए नहीं।
सटीकता के बारे में क्या पता है
डेवलपर्स की टीम का दावा है कि Grok Voice Transcribe 2.0, संस्करण 1.0 की तुलना में समान कीमत पर दोगुना सटीक है।
SpaceXAI के अनुसार, Artificial Analysis की सार्वजनिक रैंकिंग में इस मॉडल ने 32 स्ट्रीमिंग मॉडलों में पहला स्थान हासिल किया। AA-WER Streaming टेस्ट में लगभग आठ घंटे का ऑडियो इस्तेमाल होता है: AA-AgentTalk को 50%, VoxPopuli को 25% और Earnings22 को 25% वेटेज दिया जाता है।
19 भाषाओं के छोटे वाक्यों वाले आंतरिक डेटासेट में WER 20.6% से घटकर 6.8% हो गया। कंपनी का अनुमान है कि शब्दों के स्तर पर गलतियाँ लगभग 67% कम हुईं और वह चारों आंतरिक डेटासेट में सुधार की बात कहती है।
SpaceXAI के आंतरिक परीक्षणों के नतीजों को स्वतंत्र रूप से दोहराया नहीं गया है। इसलिए सटीकता के दावों को सार्वजनिक रैंकिंग के नतीजों से अलग करके देखना चाहिए।
ट्रांसक्रिप्शन की कीमत कितनी है
Grok Voice Transcribe 2.0 की कीमतें Grok Voice Transcribe 1.0 जैसी ही हैं। लागत ऑडियो प्रोसेसिंग के मोड पर निर्भर करती है।
| मोड | प्रति घंटे ऑडियो की कीमत |
|---|---|
| बैच ट्रांसक्रिप्शन | ₹8.30 |
| स्ट्रीमिंग ट्रांसक्रिप्शन | ₹16.60 |
डायराइज़ेशन, टाइमस्टैम्प और मुख्य शब्द कीमत में शामिल हैं। मोड की तुलना करते समय सिर्फ़ कीमत ही नहीं, बल्कि स्ट्रीमिंग प्रोसेसिंग की ज़रूरत पर भी ध्यान दें।
कौन-सी भाषाएँ और फ़ॉर्मैट समर्थित हैं
Grok Voice Transcribe 2.0 दर्जनों भाषाओं का ट्रांसक्रिप्शन करता है, भाषा की अपने-आप पहचान करता है और रिकॉर्डिंग के बीच में भाषा बदलने पर भी उसे संभालता है।
- बैच API 500 MB तक की फ़ाइलें स्वीकार करता है।
- बैच प्रोसेसिंग के लिए 12 ऑडियो फ़ॉर्मैट उपलब्ध हैं।
- स्ट्रीमिंग
wss://api.x.ai/v1/sttपते पर WebSocket के ज़रिए काम करती है।
यहाँ चुनाव का आधार भाषाओं और ऑडियो भेजने के तरीके की ज़रूरतें हैं: बैच API या WebSocket स्ट्रीम।
मॉडल का इस्तेमाल कहाँ हो रहा है
Atlassian Loom हर वीडियो के ट्रांसक्रिप्शन के लिए Grok Voice Transcribe 2.0 का इस्तेमाल करता है। Atlassian ने बताया कि यह मॉडल उसके पहले के समाधान से ज़्यादा सटीक है।
यह उदाहरण Loom में मॉडल के इस्तेमाल की पुष्टि करता है, लेकिन दूसरे सिस्टमों के साथ तुलनात्मक मूल्यांकन नहीं देता।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
इंटरैक्टिव XR विकास में कोडिंग एजेंटों का मूल्यांकन: GenXR-Bench के निष्कर्ष
GenXR-Bench प्रकाशित किया गया है—इंटरैक्टिव XR विकास में coding एजेंटों के एंड-टू-एंड मूल्यांकन के लिए 112 विशेषज्ञ कार्यों का एक सेट: सुविधाओं को बेहतर बनाने और दोषों को ठीक करने से लेकर उपभोक्ता उपकरणों पर व्यवहार की जाँच के साथ ऐप्लिकेशन बनाने तक। परीक्षण किए गए दस मॉडलों में सर्वश्रेष्ठ परिणाम 50,9% Pass@1 रहा; बार-बार सामने आने वाली विफलताओं में सेंसर की असिंक्रोनस घटनाओं को संभालना, वस्तुओं को वास्तविक स्थान से जोड़ना और भौतिक संदर्भ में अंतःक्रिया को समझना शामिल हैं।
5 नवम्बर 2026
स्केलर पुरस्कार से पारेतो फ्रंट तक: बहु-उद्देश्यीय रीइन्फोर्समेंट लर्निंग के साथ RTL का LLM संश्लेषण
एक भाषा मॉडल को एक ही डिज़ाइन के बजाय क्षेत्रफल, विलंबता और ऊर्जा खपत के बीच अलग-अलग समझौतों वाले RTL उम्मीदवारों का एक सेट तैयार करने के लिए प्रशिक्षित करने का तरीका प्रस्तावित किया गया है; इनाम की गणना पारेतो फ्रंट के हाइपरवॉल्यूम में प्रत्येक उम्मीदवार के योगदान के आधार पर की जाती है। RTLLM v2 पर, PPA अनुकूलन के बिना मूल संस्करण की तुलना में सापेक्ष हाइपरवॉल्यूम 13,3 प्रतिशत अंक और एकल-उद्देश्यीय सुदृढीकरण सीखने की तुलना में 14,4 प्रतिशत अंक बढ़ा।
5 नवम्बर 2026
मेडिकल LLMs दिशानिर्देशों में संशोधन के बारे में जान लेते हैं, लेकिन अक्सर पुराने नियमों के अनुसार जवाब देते हैं
1709 नैदानिक दिशानिर्देशों में हुए बदलावों पर ChronoEvo के अध्ययन से पता चलता है: मुख्य मॉडल में 90,8% उत्तरों ने नए बदलाव को दर्ज किया, लेकिन केवल 58,5% ने उसे पूरी तरह लागू किया; 32,3 प्रतिशत अंकों का यह अंतर 14 मॉडलों में बना रहा। अपडेट को अधिक प्रमुखता देने से भी नए नियमों को नैदानिक दिशानिर्देश में पूरी तरह शामिल करने में कोई महत्वपूर्ण बढ़ोतरी नहीं हुई।
4 नवम्बर 2026