Grok Voice Transcribe 2.0: Səs Transkripsiyasında İnqilabi Yenilik Nədir?

Grok Voice Transcribe 2.0: Səs Tanımanın Yeni Üfüqləri

18 sentyabrda Grok Voice Transcribe 2.0 təqdim edildi. Yeni versiyanın qiymətləri əvvəlki kimi qalır: partiyalı iş üçün saatlıq 0.10 dollar (təxminən 0.17 AZN), axın üçün isə saatlıq 0.20 dollar (təxminən 0.34 AZN). Model öz əvvəlki versiyasına nisbətən iki dəfə daha dəqiqdir.

Dəqiqlik və Çoxdillilik

Grok Voice Transcribe 2.0, 32 axın modeli arasında dəqiqlik baxımından birinci yerdədir. Daxili müqayisələr ElevenLabs Scribe v2 və Deepgram Nova-3 modelləri ilə aparılıb. Modelin çoxdilli performansı xüsusilə diqqətəlayiqdir: 19 dildə qısa səs əmrlərində səhv nisbəti 20.6%-dən 6.8%-ə düşüb.

Texnologiyanın Geniş İstifadəsi

Bu model gündə on minlərlə müştəri dəstəyi zəngini transkripsiya edir, milyonlarla saat video danışığını emal edir və Tesla avtomobillərində səs köməkçisi kimi fəaliyyət göstərir. Bu, onun real şəraitdə geniş istifadə olunduğunu göstərir.

Əlavə Xüsusiyyətlər və Qanunvericilik

Danışanların tanınması, söz səviyyəsində zaman damğaları və əsas terminlərin vurğulanması kimi funksiyalar əlavə ödənişsiz təqdim olunur. Avropa qanunvericiliyinə görə, səs yazıları şəxsi məlumat sayılır və şirkət bu məlumatların necə əldə edildiyi və saxlanması barədə açıqlamalar verməyib. Bu məsələ diqqətdə saxlanmalıdır.

Gələcək Planlar

Grok Voice Transcribe 1.0 versiyası yaxın həftələrdə istifadədən çıxarılacaq və istifadəçilər avtomatik olaraq yeni versiyaya keçəcəklər. Atlassian şirkəti yeni modeli əvvəlki təchizatçısından daha dəqiq hesab edir və artıq bütün Loom videolarını bu model vasitəsilə transkripsiya edir.

Bu yeniliklər səs tanıma texnologiyalarının çoxdilli və mürəkkəb mühitlərdə daha etibarlı və effektiv istifadəsinə imkan yaradır.