SpaceXAI представила Grok Voice Transcribe 2.0 с меньшей долей ошибок по прежним тарифам
Новая модель распознаёт речь в пакетном и потоковом режимах; SpaceXAI сообщает, что на тесте коротких фраз на 19 языках доля ошибок снизилась с 20,6% до 6,8%. В сводке — тарифы API и результаты сравнительных тестов, которые пока не прошли независимую проверку.
Что выпустила SpaceXAI
Grok Voice Transcribe 2.0 — модель распознавания речи, доступная через Speech to Text API. Она поддерживает пакетную и потоковую обработку; идентификатор модели — grok-voice-transcribe-2.0.
- API доступен сегодня.
- Открытые веса не объявлены, поэтому запустить модель самостоятельно нельзя.
- Модель работает только через API.
Выбор зависит от способа интеграции: модель подходит для пакетной или потоковой обработки через API, но не для самостоятельного запуска.
Что известно о точности
Команда разработчиков заявляет, что Grok Voice Transcribe 2.0 вдвое точнее версии 1.0 при той же цене.
В публичном рейтинге Artificial Analysis модель заняла первое место среди 32 потоковых моделей, сообщает SpaceXAI. Тест AA-WER Streaming использует около восьми часов аудио: AA-AgentTalk учитывается с весом 50%, VoxPopuli — 25%, Earnings22 — 25%.
На внутреннем наборе коротких фраз на 19 языках WER снизился с 20,6% до 6,8%. Компания оценивает это как примерно 67% меньше ошибок на уровне слов и сообщает об улучшении на всех четырёх внутренних наборах.
Результаты внутренних тестов SpaceXAI независимо не воспроизводили. Поэтому заявления о точности стоит рассматривать отдельно от результатов публичного рейтинга.
Сколько стоит транскрибация
Grok Voice Transcribe 2.0 сохранила цены версии Grok Voice Transcribe 1.0. Стоимость зависит от режима обработки аудио.
| Режим | Цена за час аудио |
|---|---|
| Пакетная транскрибация | $0,10 |
| Потоковая транскрибация | $0,20 |
Диаризация, временные метки и ключевые термины включены в стоимость. При сравнении режимов учитывайте не только цену, но и необходимость потоковой обработки.
Какие языки и форматы поддерживаются
Grok Voice Transcribe 2.0 транскрибирует десятки языков, автоматически определяет язык и обрабатывает переключение языка в середине записи.
- Пакетный API принимает файлы размером до 500 MB.
- Для пакетной обработки доступны 12 аудиоформатов.
- Потоковая передача работает через WebSocket по адресу
wss://api.x.ai/v1/stt.
Критерий выбора здесь — требования к языкам и способу передачи аудио: пакетному API или WebSocket-потоку.
Где модель уже используют
Atlassian Loom использует Grok Voice Transcribe 2.0 для транскрибации каждого видео. Atlassian сообщила, что модель точнее её прежнего решения.
Этот пример подтверждает использование модели в Loom, но не даёт сравнительной оценки для других систем.
Часто задаваемые вопросы
Похожие материалы
Все материалы
Проверка coding-агентов в интерактивной XR-разработке: итоги GenXR-Bench
Опубликован GenXR-Bench — набор из 112 экспертных заданий для сквозной оценки coding-агентов в интерактивной XR-разработке: от доработки функций и исправления дефектов до создания приложений с проверкой поведения на потребительском оборудовании. У десяти протестированных моделей лучший результат составил 50,9% Pass@1; среди повторяющихся сбоев — обработка асинхронных событий датчиков, привязка объектов к реальному пространству и понимание взаимодействия в физическом контексте.
5 ноября 2026
От скалярной награды к фронту Парето: LLM-синтез RTL с многокритериальным подкреплением
Предложен способ обучать языковую модель генерировать не одну схему, а набор RTL-кандидатов с разными компромиссами между площадью, задержкой и энергопотреблением; награда строится по вкладу варианта в гиперобъём фронта Парето. На RTLLM v2 относительный гиперобъём вырос на 13,3 п.п. относительно базовой версии без оптимизации PPA и на 14,4 п.п. относительно одноцелевого обучения с подкреплением.
5 ноября 2026
Медицинские LLM узнают о пересмотре рекомендаций, но часто отвечают по прежним правилам
Исследование ChronoEvo на 1709 изменениях клинических рекомендаций показывает: в основной модели 90,8% ответов фиксировали новшество, однако полностью применяли его только 58,5%, а разрыв в 32,3 п.п. сохранялся у 14 моделей. Даже усиление заметности обновлений не дало значимого прироста в полном переносе новых правил в клиническую рекомендацию.
4 ноября 2026