به گزارش شبکه اطلاع‌رسانی طلا و ارز، شرکت ایکس‌ای‌آی، توسعه‌دهنده هوش مصنوعی گراک، روز ۱۹ سپتامبر (۲۸ شهریور) از عرضه نسخه ۲ مدل Voice Transcribe خبر داد. این مدل وظیفه تبدیل گفتار به متن را انجام می‌دهد و به گفته این شرکت، دقیق‌ترین ابزار از این دست در جهان است. نکته مهم برای کاربران این است که دقت شناسایی صدا ۲ برابر شده، اما قیمت هیچ تغییری نکرده است.
معیار اصلی سنجش کیفیت این مدل‌ها نرخ خطای واژه یا WER است؛ هرچه این عدد کم‌تر باشد، متن خروجی به گفتار واقعی نزدیک‌تر است. ایکس‌ای‌آی اعلام کرده Voice Transcribe ۲.۰ این نرخ خطا را نسبت به نسخه قبلی به نصف کاهش داده است. برای کاربر عادی، این یعنی زیرنویس خودکار، پیاده‌سازی جلسات و دستیارهای صوتی با خطای کم‌تری کار می‌کنند.
## رقابت در بازار گفتار به متن بازار تبدیل گفتار به متن این روزها میدان رقابت شرکت‌های بزرگ فناوری است. OpenAI با مدل Whisper، گوگل و مایکروسافت هرکدام نسخه‌های خود را دارند و همه به دنبال جلب کاربران شرکتی و توسعه‌دهنده هستند. ایکس‌ای‌آی با ثابت نگه‌داشتن قیمت در کنار افزایش دقت، تلاش کرده جایگاه خود را در این رقابت تثبیت کند.
برای شرکت‌هایی که از این مدل‌ها در نرم‌افزارهای خود استفاده می‌کنند، ثابت ماندن قیمت به معنای کاهش هزینه هر واحد دقت است. این موضوع می‌تواند رقبا را نیز به سمت کاهش قیمت یا افزایش کیفیت رایگان تحت فشار بگذارد. کارشناسان می‌گویند کاهش هزینه پردازش هوش مصنوعی یکی از دلایل اصلی این رقابت قیمتی است.
ایکس‌ای‌آی که توسط ایلان ماسک تأسیس شده، مدل گراک را به‌عنوان رقیب مستقیم ChatGPT معرفی کرده است. این مدل هم‌اکنون در پلتفرم ایکس (توییتر سابق) در دسترس کاربران قرار دارد و ابزارهای صوتی مانند Voice Transcribe بخشی از تلاش این شرکت برای گسترش کاربردهای گراک فراتر از چت متنی است.
با این حال، ادعای دقیق‌ترین‌بودن یک مدل هوش مصنوعی معمولاً عمر کوتاهی دارد و رقبا به‌سرعت به آن پاسخ می‌دهند. کیفیت واقعی این مدل در استفاده روزمره کاربران و مقایسه مستقل آزمایشگاه‌های فناوری مشخص خواهد شد.
نظرات کاربران