أعلنت xAI عن Grok Voice Transcribe 2.0، إصدار جديد من نموذجها لنسخ الكلام وتحويله إلى نص.
توجه الشركة النموذج لاستخدامات يسجل فيها الصوت في ظروف واقعية، وليس فقط في تسجيلات نظيفة داخل استوديو.
ما الذي أعلنته xAI
بحسب xAI، يعتمد النموذج الجديد على البنية الصوتية نفسها المستخدمة في Grok Voice.
تقول الشركة إن النظام درب على صوت متعدد اللغات سجل في ظروف متنوعة، منها البيئات الصاخبة.
وتدعي xAI أن دقة النموذج الجديد ضعف دقة الإصدار السابق في تقييماتها الداخلية، دون تغيير في السعر.
من المهم التأكيد أن هذه ادعاءات وقياسات نشرتها الشركة نفسها.
لماذا يهم النسخ الدقيق
أصبح نسخ الكلام بنية أساسية مهمة في أنظمة AI كثيرة.
يستخدم في الوكلاء الصوتية ومراكز الخدمة وتلخيص الاجتماعات وإنشاء الترجمة النصية والبحث في الفيديو وغيرها.
في هذه الاستخدامات، قد تؤثر أخطاء صغيرة في التعرف على الكلام في جميع المراحل التالية.
ماذا يعني ذلك لمن يبني منتجا صوتيا
يستطيع المطورون والشركات التي تبني منتجات صوتية إضافة النموذج إلى الخيارات التي تختبرها إلى جانب خدمات نسخ أخرى.
وكأي خدمة كهذه، يستحسن اختباره على الصوت الفعلي للمنتج، وعدم الاكتفاء ببيانات اختبارات الأداء لدى المزود.
العبرية
تصف xAI النموذج بأنه متعدد اللغات، لكن AI24 لم يتحقق في هذه المرحلة من جودة النسخ بالعبرية.
لا يجوز استنتاج أن جودة العبرية تساوي اللغات الأخرى من الأداء العام.