A SpaceXAI apresentou o Grok Voice Transcribe 2.0 com uma taxa de erros menor e os mesmos preços de antes
O novo modelo reconhece a fala em modos em lote e em streaming; a SpaceXAI informa que, no teste de frases curtas em 19 idiomas, a taxa de erro caiu de 20,6% para 6,8%. O resumo apresenta os preços da API e os resultados de testes comparativos, que ainda não foram verificados de forma independente.
O que a SpaceXAI lançou
Grok Voice Transcribe 2.0 é um modelo de reconhecimento de voz, disponível através da Speech to Text API. Suporta processamento em lote e em streaming; o identificador do modelo é grok-voice-transcribe-2.0.
- A API está disponível a partir de hoje.
- Não foram anunciados pesos abertos, pelo que não é possível executar o modelo por conta própria.
- O modelo só funciona através da API.
A escolha depende do método de integração: o modelo é adequado para processamento em lote ou em streaming através da API, mas não para execução autónoma.
O que se sabe sobre a precisão
A equipa de desenvolvimento afirma que o Grok Voice Transcribe 2.0 é duas vezes mais preciso do que a versão 1.0, pelo mesmo preço.
A SpaceXAI informa que o modelo ficou em primeiro lugar entre 32 modelos de streaming no ranking público da Artificial Analysis. O teste AA-WER Streaming utiliza cerca de oito horas de áudio: AA-AgentTalk tem um peso de 50%, VoxPopuli de 25% e Earnings22 de 25%.
Num conjunto de dados interno de frases curtas em 19 idiomas, o WER baixou de 20,6% para 6,8%. A empresa estima que isso representa cerca de 67% menos erros ao nível das palavras e comunica melhorias nos quatro conjuntos de dados internos.
Os resultados dos testes internos da SpaceXAI não foram reproduzidos de forma independente. Por isso, as afirmações sobre a precisão devem ser consideradas separadamente dos resultados do ranking público.
Quanto custa a transcrição
O Grok Voice Transcribe 2.0 manteve os preços da versão Grok Voice Transcribe 1.0. O custo depende do modo de processamento de áudio.
| Modo | Preço por hora de áudio |
|---|---|
| Transcrição em lote | €0,09 |
| Transcrição em streaming | €0,18 |
A diarização, os carimbos temporais e os termos-chave estão incluídos no preço. Ao comparar os modos, tenha em conta não só o preço, mas também a necessidade de processamento em streaming.
Que idiomas e formatos são suportados
O Grok Voice Transcribe 2.0 transcreve dezenas de idiomas, deteta automaticamente o idioma e processa mudanças de idioma a meio da gravação.
- A API em lote aceita ficheiros até 500 MB.
- Estão disponíveis 12 formatos de áudio para processamento em lote.
- A transmissão em streaming funciona através de WebSocket no endereço
wss://api.x.ai/v1/stt.
O critério de escolha, neste caso, são os requisitos relativos aos idiomas e ao método de transmissão de áudio: através da API em lote ou de um fluxo WebSocket.
Onde o modelo já é utilizado
A Atlassian Loom utiliza o Grok Voice Transcribe 2.0 para transcrever cada vídeo. A Atlassian comunicou que o modelo é mais preciso do que a solução que utilizava anteriormente.
Este exemplo confirma a utilização do modelo no Loom, mas não permite uma avaliação comparativa com outros sistemas.
Perguntas mais frequentes
Materiais semelhantes
Todos os materiais
Avaliação de agentes de programação no desenvolvimento XR interativo: resultados do GenXR-Bench
Foi publicado o GenXR-Bench, um conjunto de 112 tarefas especializadas para avaliar de ponta a ponta agentes de programação no desenvolvimento interativo de XR: desde o aprimoramento de funcionalidades e a correção de defeitos até a criação de aplicações com verificação do comportamento em dispositivos de consumo. Entre os dez modelos testados, o melhor resultado foi de 50,9% no Pass@1; entre as falhas recorrentes estão o processamento de eventos assíncronos de sensores, a ancoragem de objetos no espaço real e a compreensão das interações em contextos físicos.
5 novembro 2026
Da recompensa escalar à fronteira de Pareto: síntese de RTL com aprendizagem por reforço multiobjetivo
É proposto um método para treinar um modelo de linguagem a gerar não apenas um esquema, mas um conjunto de candidatos RTL com diferentes compromissos entre área, latência e consumo de energia; a recompensa é calculada com base na contribuição de cada variante para o hipervolume da fronteira de Pareto. No RTLLM v2, o hipervolume relativo aumentou 13,3 p.p. em relação à versão de base sem otimização de PPA e 14,4 p.p. em relação ao treinamento por reforço com um único objetivo.
5 novembro 2026
Os LLM médicos sabem que as recomendações foram revistas, mas muitas vezes respondem de acordo com as regras anteriores
Um estudo da ChronoEvo sobre 1709 alterações às recomendações clínicas mostra que, no modelo principal, 90,8% das respostas assinalavam a novidade, mas apenas 58,5% a aplicavam na íntegra, e a diferença de 32,3 pontos percentuais persistia em 14 modelos. Mesmo aumentar a visibilidade das atualizações não trouxe um aumento significativo da incorporação integral das novas regras nas recomendações clínicas.
4 novembro 2026