xAI ने Grok Voice Transcribe 2.0 घोषित किया, बोलने को पाठ में बदलने वाले अपने ट्रांसक्रिप्शन मॉडल का नया संस्करण।
कंपनी मॉडल को सिर्फ साफ स्टूडियो रिकॉर्डिंग नहीं, वास्तविक स्थितियों में रिकॉर्ड ऑडियो वाले उपयोगों के लिए बना रही है।
xAI ने क्या घोषित किया?
xAI के अनुसार नया मॉडल उसी आवाज ढांचे पर आधारित है जिसे Grok Voice इस्तेमाल करता है।
कंपनी कहती है कि प्रणाली शोर वाले परिवेश सहित अलग स्थितियों में रिकॉर्ड बहुभाषी ऑडियो पर प्रशिक्षित हुई।
xAI दावा करता है कि आंतरिक मूल्यांकन में नया मॉडल पिछले संस्करण से दोगुना सटीक है, कीमत बदले बिना।
जोर देना जरूरी है कि ये कंपनी के अपने प्रकाशित दावे और मापन हैं।
सटीक ट्रांसक्रिप्शन क्यों महत्वपूर्ण है?
ट्रांसक्रिप्शन कई AI प्रणालियों का महत्वपूर्ण आधार बन गया है।
यह आवाज एजेंट, सेवा केंद्र, बैठकों के सार, सबटाइटल, वीडियो खोज और अन्य कामों में इस्तेमाल होता है।
ऐसे उपयोगों में बोली पहचानने की छोटी गलतियां आगे के सभी चरणों को प्रभावित कर सकती हैं।
आवाज उत्पाद बनाने वालों के लिए अर्थ
आवाज आधारित उत्पाद बनाने वाले डेवलपर और कंपनियां इसे अन्य ट्रांसक्रिप्शन सेवाओं के साथ जांचे जाने वाले विकल्पों में जोड़ सकते हैं।
ऐसी हर सेवा की तरह इसे उत्पाद के वास्तविक ऑडियो पर जांचें, सिर्फ प्रदाता के बेंचमार्क पर निर्भर न रहें।
हिब्रू
xAI मॉडल को बहुभाषी बताता है, लेकिन AI24 ने अभी हिब्रू ट्रांसक्रिप्शन की गुणवत्ता सत्यापित नहीं की।
सामान्य प्रदर्शन से हिब्रू की गुणवत्ता अन्य भाषाओं जैसी नहीं माननी चाहिए।