SpaceXAI, Grok Voice Transcribe 2.0'ın Doğruluğunu İki Katına Çıkardığını Duyurdu

SpaceXAI, Grok Voice Transcribe 2.0'ı duyurarak, ses‑metin dönüşümünde önceki sürümden iki kat daha yüksek bir doğruluk sağladığını ve fiyatını aynı $0.10/sa (batch) ve $0.20/sa (streaming) seviyelerinde koruduğunu belirtti. Model, Grok Voice asistanının temelini oluşturan ses altyapısını kullanıyor; günlük on binlerce destek çağrısını işliyor, milyonlarca saatlik video anlatımını transkribe ediyor ve Tesla araçlarındaki Grok asistanını güçlendiriyor.

Eğitim sürecinde, farklı ortam koşullarında kaydedilmiş gürültülü ve çok dilli ses verileri kullanıldı ve ardından post‑training aşamasıyla iyileştirildi. Grok Voice Transcribe 2.0, güvenilir olmayan telefon hatları, çakışan sesler, yerel aksanlar ve konuşulan telefon numaraları ya da e‑posta adresleri gibi zorlu durumları hedef alıyor. Model, kamuya açık Artificial Analysis doğruluk lider tablosunda 32 akış modelinin arasında birinci sırada yer alıyor ve dahili testlerde İngilizce destek çağrıları, Grok sohbetleri, konuşulan kimlik bilgileri ve 19 dildeki kısa komutlarda belirgin kazançlar gösterdi.

Performans açısından, çok dilli kısa cümle setindeki kelime hata oranı (WER) %20.6'dan %6.8'e geriledi; bu, aynı fiyat seviyesinde iki kat daha düşük hata demek. Model, yüzlerce dili otomatik algılayabiliyor, bir kayıt içinde dil geçişlerini takip edebiliyor ve API üzerinden toplu işler, dosya, URL ve gerçek‑zaman akışlarını destekliyor. Kelime‑seviyesinde zaman damgaları, güven puanları, ek bir maliyet olmadan diyazirasyon, sekiz kanala kadar ayrı transkripsiyon ve 100 özel terime kadar biasing gibi özellikler sunuluyor. Ayrıca sayılar, tarih, para birimleri, telefon ve e‑posta formatlaması, dolgu sözcüklerinin kaldırılması ve ses ajanı dönüşlerinin tespiti de otomatik olarak yapılabiliyor.

Güncellenen API entegrasyonları kod değişikliği gerektirmeden yeni sürümü alıyor; Grok Voice Transcribe 2.0 önümüzdeki haftalarda varsayılan model haline gelecek ve 1.0 sürümü de aynı dönemde kullanımdan kaldırılacak. Fiyatlandırma aynı kalırken, yeni özellikler ve geliştirilmiş doğruluk, çağrı merkezi operatörlerinden geliştiricilere kadar geniş bir kullanıcı kitlesine daha güvenilir ve maliyet‑etkin bir ses‑metin çözümü sunuyor.