SpaceXAI memperkenalkan Grok Voice Transcribe 2.0 dengan tingkat kesalahan lebih rendah dan tarif lama
Model baru mengenali ucapan dalam mode batch dan streaming; SpaceXAI melaporkan bahwa dalam pengujian frasa pendek pada 19 bahasa, tingkat kesalahan turun dari 20,6% menjadi 6,8%. Ringkasan ini mencakup tarif API dan hasil uji perbandingan yang sejauh ini belum diverifikasi secara independen.
Apa yang dirilis SpaceXAI
Grok Voice Transcribe 2.0 adalah model pengenalan suara yang tersedia melalui Speech to Text API. Model ini mendukung pemrosesan batch dan streaming; ID modelnya adalah grok-voice-transcribe-2.0.
- API tersedia mulai hari ini.
- Bobot terbuka belum diumumkan, jadi model ini tidak dapat dijalankan secara mandiri.
- Model ini hanya berfungsi melalui API.
Pilihan bergantung pada cara integrasinya: model ini cocok untuk pemrosesan batch atau streaming melalui API, tetapi tidak untuk dijalankan secara mandiri.
Yang diketahui tentang akurasi
Tim pengembang menyatakan bahwa Grok Voice Transcribe 2.0 dua kali lebih akurat daripada versi 1.0 dengan harga yang sama.
Menurut SpaceXAI, dalam peringkat publik Artificial Analysis, model ini menempati posisi pertama di antara 32 model streaming. Pengujian AA-WER Streaming menggunakan sekitar delapan jam audio: AA-AgentTalk memiliki bobot 50%, VoxPopuli 25%, dan Earnings22 25%.
Pada kumpulan data internal berisi frasa pendek dalam 19 bahasa, WER turun dari 20,6% menjadi 6,8%. Perusahaan memperkirakan bahwa ini berarti kesalahan pada tingkat kata berkurang sekitar 67%, dan melaporkan peningkatan pada keempat kumpulan data internal.
Hasil pengujian internal SpaceXAI belum direproduksi secara independen. Karena itu, klaim akurasi sebaiknya dipertimbangkan secara terpisah dari hasil peringkat publik.
Berapa biaya transkripsinya
Grok Voice Transcribe 2.0 mempertahankan harga Grok Voice Transcribe 1.0. Biayanya bergantung pada mode pemrosesan audio.
| Mode | Harga per jam audio |
|---|---|
| Transkripsi batch | Rp1.600 |
| Transkripsi streaming | Rp3.200 |
Diarisasi, stempel waktu, dan istilah penting sudah termasuk dalam harga. Saat membandingkan mode, pertimbangkan bukan hanya harganya, tetapi juga kebutuhan akan pemrosesan streaming.
Bahasa dan format apa saja yang didukung
Grok Voice Transcribe 2.0 dapat mentranskripsikan puluhan bahasa, mendeteksi bahasa secara otomatis, dan menangani pergantian bahasa di tengah rekaman.
- API batch menerima file berukuran hingga 500 MB.
- Pemrosesan batch mendukung 12 format audio.
- Transmisi streaming menggunakan WebSocket di alamat
wss://api.x.ai/v1/stt.
Kriteria pemilihan di sini adalah kebutuhan bahasa dan metode pengiriman audio: melalui API batch atau streaming WebSocket.
Di mana model ini sudah digunakan
Atlassian Loom menggunakan Grok Voice Transcribe 2.0 untuk mentranskripsikan setiap video. Atlassian menyatakan bahwa model ini lebih akurat daripada solusi yang digunakan sebelumnya.
Contoh ini mengonfirmasi penggunaan model di Loom, tetapi tidak memberikan penilaian perbandingan untuk sistem lain.
Pertanyaan yang sering ditanyakan
Bahan terkait
Semua bahan
Pengujian agen pemrograman dalam pengembangan XR interaktif: hasil GenXR-Bench
GenXR-Bench telah dirilis—seperangkat 112 tugas ahli untuk mengevaluasi agen coding secara menyeluruh dalam pengembangan XR interaktif: mulai dari menyempurnakan fitur dan memperbaiki bug hingga membuat aplikasi dengan pengujian perilaku pada perangkat konsumen. Dari sepuluh model yang diuji, hasil terbaik adalah 50,9% Pass@1; kegagalan yang berulang meliputi penanganan peristiwa sensor asinkron, penempatan objek di ruang nyata, dan pemahaman interaksi dalam konteks fisik.
5 November 2026
Dari Imbalan Skalar ke Front Pareto: Sintesis RTL LLM dengan Pembelajaran Penguatan Multikriteria
Diusulkan metode untuk melatih model bahasa agar menghasilkan bukan hanya satu skema, melainkan serangkaian kandidat RTL dengan kompromi berbeda antara luas area, latensi, dan konsumsi daya; reward dihitung berdasarkan kontribusi kandidat terhadap hypervolume front Pareto. Pada RTLLM v2, hypervolume relatif meningkat 13,3 poin persentase dibandingkan versi dasar tanpa optimasi PPA dan 14,4 poin persentase dibandingkan pelatihan penguatan dengan satu tujuan.
5 November 2026
LLM Medis Mengetahui Revisi Pedoman, tetapi Sering Menjawab Berdasarkan Pedoman Lama
Studi ChronoEvo terhadap 1709 perubahan rekomendasi klinis menunjukkan: pada model utama, 90,8% jawaban mencatat pembaruan, tetapi hanya 58,5% yang menerapkannya sepenuhnya, sementara kesenjangan sebesar 32,3 poin persentase tetap terlihat pada 14 model. Bahkan peningkatan visibilitas pembaruan tidak menghasilkan peningkatan signifikan dalam penerapan penuh aturan baru ke dalam rekomendasi klinis.
4 November 2026