#音声認識
このタグが付いた記事
Index
count=2- AI / ML
xAI、Grok Voice Transcribe 2.0 を公開 精度 2 倍で $0.10/時のバッチ料金
xAI は 9 月 18 日、音声認識モデル Grok Voice Transcribe 2.0 を公開しました。バッチ推論は 1 時間あたり $0.10 に据え置いたまま、19 言語の音声アシスタント短発話で単語誤認率を 20.6% から 6.8% に改善したとされ、Artificial Analysis の公開ランキングでもストリーミング精度 32 モデル中 1 位を主張。ダイアライゼーション・多言語自動判定・キーワード優先などが API から利用できます。
- AI / ML
Microsoft、MAI-Transcribe-2 を公開 60 言語 FLEURS 首位・音声 1 時間 0.10 ドル
Microsoft AI は 9 月 3 日、音声認識モデル MAI-Transcribe-2 を発表しました。60 言語の FLEURS ベンチマークで首位となる平均単語誤り率 5.2%、話者分離・単語単位タイムスタンプ・スタイル指定に対応しつつ、価格は音声 1 時間あたり 0.10 ドルとし、OpenAI・Google・ElevenLabs の同種サービスを下回る水準に設定しました。