xAI ha anunciado Grok Voice Transcribe 2.0, una nueva versión de su modelo de transcripción de voz a texto.
La empresa lo orienta a usos con audio grabado en condiciones reales, no solo a grabaciones limpias de estudio.
Qué ha anunciado xAI
Según xAI, el nuevo modelo se basa en la misma infraestructura de voz que utiliza Grok Voice.
La empresa afirma que el sistema se entrenó con audio multilingüe grabado en distintas condiciones, incluidos entornos ruidosos.
xAI sostiene que el nuevo modelo es el doble de preciso que su predecesor en sus evaluaciones internas, sin cambios de precio.
Hay que subrayar que son afirmaciones y mediciones publicadas por la propia empresa.
Por qué importa una transcripción precisa
La transcripción se ha convertido en una infraestructura importante para muchos sistemas de IA.
Se utiliza en agentes de voz, centros de atención, resúmenes de reuniones, subtítulos, búsquedas en vídeo y otros ámbitos.
En estos usos, pequeños errores de reconocimiento del habla pueden afectar a todas las etapas posteriores.
Qué significa para quienes desarrollan productos de voz
Los desarrolladores y empresas que crean productos basados en voz pueden añadir este modelo a las opciones que prueban junto con otros servicios de transcripción.
Como en cualquier servicio similar, conviene evaluarlo con el audio real del producto y no basarse solo en las pruebas de rendimiento del proveedor.
Hebreo
xAI describe el modelo como multilingüe, pero AI24 no ha verificado por ahora la calidad de su transcripción en hebreo.
El rendimiento general no permite concluir que la calidad en hebreo sea igual a la de otros idiomas.