📖 AI 总结

SpaceXAI发布了语音转文字模型Grok Voice Transcribe 2.0，官方称其在相同价格下准确率较1.0版本提升一倍，定价为每小时0.10美元。该模型针对噪声电话线路、多人同时说话、地方口音及口语化凭证等困难音频场景优化，支持批处理和实时流式两种模式，通过语音转文字API以托管形式提供服务，模型ID为grok-voice-transcribe-2.0，但未开放权重，无法自行部署。据SpaceXAI报告，该模型在Artificial Analysis公开排行榜的32个流式模型中准确率排名第一，并在电话、对话、凭证和短语四组内部测试集上均优于1.0版本，其中电话场景领先所有受测模型。模型支持数十种语言并自动检测语种，还能处理录音中途的语言切换。不过上述内部结果均为厂商自报，尚未经独立复现验证。