Grok Voice Transcribe 2.0: xAI mit der geringsten Fehlerquote
xAI hat Grok Voice Transcribe 2.0 veröffentlicht. Das Modell wandelt Gespräche und Aufnahmen in Text um und soll vor allem bei schwierigen Bedingungen weniger Fehler machen. Die Preise bleiben unverändert bei 0,10 US Dollar pro Stunde für Dateien und 0,20 US Dollar für Live Audio.
Bei kurzen Sprachbefehlen in 19 Sprachen sank die Wortfehlerrate in internen Tests von 20,6 auf 6,8 Prozent. Auch bei englischen Kundendienstgesprächen über 8 kHz Telefonleitungen verbesserte sich das Modell auf 7,1 Prozent statt 10,6 Prozent. Gesprochene Kontaktdaten wie E Mail Adressen erkennt die neue Version nach Angaben von xAI ebenfalls besser.
Im öffentlichen Streaming Benchmark von Artificial Analysis liegt Grok Voice Transcribe 2.0 bei der Genauigkeit vorn. Atlassian nutzt das Modell bereits für Transkripte von Loom Videos. Über die API ist Version 2.0 schon auswählbar, xAI will sie bald zum Standard machen und Version 1.0 auslaufen lassen.
