xAI lanza Grok Voice Transcribe 2.0 y afirma que es el modelo de transcripción más preciso del mercado
El nuevo modelo de voz a texto de xAI mantiene el precio de la versión anterior y dice liderar en precisión entre 32 modelos de streaming evaluados por Artificial Analysis.
xAI presentó Grok Voice Transcribe 2.0, construido sobre el mismo modelo de fundación de audio que usa Grok Voice. La compañía afirma que es el doble de preciso que la versión 1.0 y que hoy encabeza el ranking público de Artificial Analysis en precisión entre 32 modelos de transcripción en streaming.
Según xAI, el modelo se entrenó con audio real, ruidoso y multilingüe capturado en entornos diversos, y luego se refinó con post-entrenamiento adicional para manejar mejor condiciones del mundo real —acentos, ruido de fondo, conversaciones superpuestas— frente a los benchmarks más limpios que suelen usarse para evaluar este tipo de modelos.
El precio se mantiene sin cambios respecto a la versión anterior: 0.10 dólares por hora de audio en modo batch y 0.20 dólares por hora en modo streaming. xAI dice que Grok Voice ya transcribe millones de horas de narración de video y sostiene decenas de miles de llamadas de atención al cliente al día, además de operar como el asistente de voz integrado en los vehículos Tesla, lo que le da a esta actualización un banco de pruebas de producción considerable antes de llegar a otros desarrolladores vía API.