Grok Voice Transcribe 2.0

مدل صوتی از اسپیس‌ایکس‌ای‌آی

به فارسی:گراک ویس ترنسکرایب ۲گروک ترنسکرایب ۲

این مدل چیست؟

Grok Voice Transcribe 2.0 مدل تبدیل گفتار به متن SpaceXAI (xAI) است که سپتامبر ۲۰۲۶ جانشین نسخهٔ ۱.۰ شد و فایل و صدای زنده را با زمان‌بندی کلمه‌ای، تفکیک گوینده، صدای چندکاناله تا ۸ کانال و فهرست واژه‌های کلیدی به متن تبدیل می‌کند. فارسی در فهرست زبان‌های رسمی آن هست. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۲٫۳٪ است و API آن حدود ۰٫۱ دلار برای هر ساعت صدا قیمت دارد؛ در OpenRouter با نام Grok STT 2.0 هست.

سازنده: اسپیس‌ایکس‌ای‌آی (SpaceXAI (xAI))

xAI که در جدول‌ها با نام SpaceXAI آمده سازندهٔ Grok، تصویرساز Grok Imagine و API گفتار است.

کجا می‌شود از آن استفاده کرد؟

جایگاه در جدول‌های مقایسه

  • سنجش گفتار به متن Artificial AnalysisGrok Voice Transcribe 2.0
    رتبهٔ ۷خطای کلمه ۲٫۳٪$۱٫۶۷ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر اسپیس‌ایکس‌ای‌آی