Grok Voice Transcribe 2.0 vs VibeVoice ASR Streaming 7B: Liczba, której Microsoft nie opublikował

VibeVoice ASR Streaming 7B to zunifikowany strumieniowy system rozpoznawania mowy firmy Microsoft, wgrany do Hugging Face 2 września 2026 r. i ogłoszony w repozytorium microsoft/VibeVoice dzień później na licencji MIT; robi coś, czego nie robi ani Grok Voice Transcribe 2.0, ani większość jego konkurentów: emituje tekst z atrybucją mówcy w miarę napływania dźwięku, bez osobnego etapu diaryzacji. Raport techniczny Microsoftu mówi, że checkpoint 7B osiąga najniższy średni WER i CER w pięciu zestawach ewaluacyjnych oraz najlepszą lub ex aequo najlepszą atrybucję mówcy w 12 z 13 ustawień ewaluacyjnych. Karta modelu nie publikuje jednak ani jednej liczby w tekście — żadnego WER, żadnego RTF, żadnej wartości opóźnienia; wyniki istnieją wyłącznie jako obrazy w raporcie. Grok Voice Transcribe 2.0, wydany szesnaście dni później, 18 września 2026 r., w cenie 0,10 USD za godzinę audio w trybie wsadowym i 0,20 USD za godzinę w trybie strumieniowym, publikuje wszystko: 2,7% WER końcowego transkryptu i 3,4% WER pierwszego częściowego wyniku na tablicy strumieniowej Artificial Analysis, 0,49 sekundy dla każdego z nich. Uczciwym punktem wyjścia dla tego porównania jest więc to, że jeden z dwóch modeli jest mierzalnie lepiej udokumentowany niż drugi, a sama ta asymetria jest najistotniejszym dla decyzji faktem w tym starciu.

Co Microsoft opublikował i co czytelnik może z tym zrobić

Raport VibeVoice to prawdziwe badanie, a zawarte w nim twierdzenia są konkretne pod względem formy, jeśli nie wartości. Oceniono w nim cztery benchmarki spotkań — AliMeeting, AISHELL-4, AMI-SDM i AMI-IHM — oraz MLC-Challenge, w dziewięciu językach, i podano dwa główne wyniki: model 7B miał najniższy średni WER/CER w tych pięciu zestawach oraz najlepszą lub ex aequo najlepszą atrybucję mówcy w 12 z 13 ustawień ewaluacji. Oba to twierdzenia relatywne, co jest znaczącym rodzajem twierdzenia: „najniższy w tych pięciu zestawach” to stwierdzenie o uszeregowaniu, a uszeregowanie jest tym, czego potrzebuje nabywca.

Brakuje wszelkich liczb bezwzględnych. Nie ma odsetka WER, który można by z czymkolwiek porównać, nie ma liczby przepustowości, nie ma pomiaru opóźnienia ani rozbicia na poszczególne zestawy w tekście. Tabela porównawcza, która stawia VibeVoice obok Grok Voice Transcribe 2.0 i przypisuje modelowi Microsoftu liczbę, wymyśla tę liczbę. Można powiedzieć, że VibeVoice wygrał własną ocenę na pięciu zestawach i że nikt poza Microsoftem jej nie powtórzył — nie ma niezależnego benchmarku, nie ma oceny strony trzeciej, a w chwili pisania nie ma żadnego dostawcy hostowanej inferencji, który w ogóle wymieniałby ten model. Porównanie odbywa się więc między udokumentowaną liczbą a nieudokumentowanym rankingiem, a nieudokumentowany ranking nie jest słabszy z tych dwóch tylko dlatego, że brakuje mu przecinka dziesiętnego.

Dokumentacja Grok Voice Transcribe 2.0 ma odwrotny problem. Jej 2,7% i 3,4% pochodzą z tablicy AA-WER Streaming firmy Artificial Analysis, ważonego kompozytu AA-AgentTalk w 50% z VoxPopuli i Earnings22 po 25% każdy — około ośmiu godzin angielskiego konwersacyjnego audio o charakterze agentowym, przeprowadzonego niezależnie, co stanowi naprawdę solidniejsze pochodzenie niż własna ewaluacja dostawcy. Ale to tylko wąski wycinek angielskiego, a sama strona tablicy przedstawia 27 z 33 modeli, które SpaceXAI uwzględnia, gdy twierdzi, że zajmuje pierwsze miejsce wśród 32. Precyzyjna liczba z wąskiego testu i nieprecyzyjne twierdzenie dotyczące szerszego nie są bezpośrednio porównywalne, a ten artykuł nie będzie udawał, że jest inaczej.

Dwie i pół sekundy przeciwko pół sekundy

Porównanie opóźnień to jedyne miejsce, w którym oba modele można zestawić obok siebie bez żadnych zastrzeżeń co do zbiorów danych, ponieważ oba publikują swoją konfigurację strumieniowania — a różnica ma charakter architektoniczny, a nie jest kwestią dostrajania.

VibeVoice ASR Streaming 7B działa na fragmentach. Jego udostępnione checkpointy wykorzystują 22 latentne klatki na fragment, co przy 7,5 latentnych klatek na sekundę w tym modelu daje około 2,9 sekundy audio na fragment, z wyprzedzeniem wynoszącym cztery latentne klatki — około 0,5 sekundy przyszłego audio — i oczekiwanym opóźnieniem przypisania mówcy wynoszącym około 2,00 sekundy. Emituje tekst raz na fragment. To prawdziwy system strumieniowy, ale jego kadencja jest mierzona w sekundach, a nie w milisekundach.

Grok Voice Transcribe 2.0 zwraca swój pierwszy częściowy transkrypt 0,49 sekundy po tym, jak mówiący przestanie mówić, i finalizuje go 0,49 sekundy po zakończeniu wypowiedzi. Tę szybkość okupiło dokładnością — wskaźnik błędów pierwszego częściowego transkryptu spadł z 18,3% w wersji 1.0 do 3,4% w wersji 2.0, kosztem wydłużenia z 0,25 sekundy do 0,49 sekundy w tym samym pomiarze.

Połóż obok siebie:

• Rytm strumieniowania — Grok Voice Transcribe 2.0 emituje wyniki częściowe w sposób ciągły z opóźnieniem pierwszego wyniku częściowego wynoszącym 0,49 sekundy w porównaniu z VibeVoice ASR Streaming 7B, który emituje jeden fragment tekstu mniej więcej co 2,9 sekundy

• Opóźnienie przypisania mówcy — wliczone w obrębie tej samej ścieżki 0,49 sekundy w porównaniu z około 2,00 sekundy z założenia

• Wyprzedzenie — nieopublikowane vs cztery utajone ramki, około 0,5 sekundy przyszłego audio

• Praktyczny efekt — agent głosowy może reagować na zdanie w trakcie jego wypowiadania, w przeciwieństwie do systemu, który co trzy sekundy otrzymuje akapit oznaczony etykietą mówcy

Żadne z tych rozwiązań nie jest błędne. Fragment o długości 2,9 sekundy to całkowicie rozsądne rozwiązanie w przypadku transkrypcji spotkań, gdzie wynikiem jest dokument, a wartością jest to, że dokument pojawia się w trakcie spotkania, a nie po nim. To błędne rozwiązanie w przypadku agenta konwersacyjnego, w którym trzysekundowa cisza nie jest pauzą, lecz porażką. Różnica między tymi dwoma rytmami jest około sześciokrotna i przekłada się niemal dokładnie na różnicę między transkrybowaniem rozmowy a uczestniczeniem w niej.

Atrybucja mówcy jako wynik, a nie etap potoku

To tutaj model Microsoftu rzeczywiście ma przewagę, a warto zrozumieć ten projekt, ponieważ to właśnie on jest powodem, dla którego podział na fragmenty jest gruboziarnisty.

VibeVoice wykorzystuje dwa wstępnie wytrenowane tokenizery — enkoder akustyczny i enkoder semantyczny — działające przy 24 kHz z 3200× podpróbkowaniem, aby generować 7,5 klatki utajonej na sekundę, jedną co 133 milisekundy. Klatki te są rzutowane do szkieletu modelu językowego Qwen2.5, a napływająca mowa i generowany tekst są przeplatane jako jedna sekwencja, przy czym wcześniej zaobserwowana mowa i tekst są zachowywane w kontekście modelu. Konsekwencją jest to, że tożsamość mówiącego nigdy nie stanowi osobnego problemu: model nie transkrybuje, a następnie nie rozstrzyga, kto mówił — generuje tekst uwarunkowany historią dźwięku, która wciąż zawiera głosy. Dlatego nie ma etapu diaryzacji do dopasowania i dlatego twierdzenie Microsoftu o atrybucji mówiącego w 12 z 13 ustawień jest architektonicznie wiarygodne, a nie wynikiem doraźnie doklejonym.

Kosztem tego projektu jest przechowywanie historii, które rośnie liniowo wraz z długością nagrania, dlatego udostępnione checkpointy są przeznaczone do nagrań trwających maksymalnie osiem minut. To realny limit i jest on jasno określony. Wyklucza to model z pracy z długimi materiałami — dwugodzinna rozmowa o wynikach, cały dzień audio z centrum kontaktowego — chyba że zbudujesz własną segmentację i ponowną inicjalizację, co wprowadza dokładnie tę złożoność, którą architektura miała wyeliminować.

Grok Voice Transcribe 2.0 rozwiązuje ten sam problem inaczej i z innym zestawem ograniczeń. Zawiera diaryzację bez dodatkowych kosztów i obsługuje do ośmiu niezależnych kanałów audio w jednym żądaniu. W telefonii centrów kontaktowych, gdzie każdy uczestnik często trafia na własny kanał, separacja kanałów jest bardziej niezawodna niż diaryzacja i nie ma przypisanego wskaźnika błędów. W przypadku mieszanego dźwięku zależy to od jakości diaryzacji, a w przeciwieństwie do Muse Voice Transcribe firmy Meta — który opublikował średni wskaźnik błędów diaryzacji na poziomie 17,5% — SpaceXAI nie opublikował żadnej wartości dotyczącej diaryzacji. Tak więc oba modele pozostawiają lukę w dowodach na temat diaryzacji: jeden publikuje ranking bez wartości, drugi publikuje listę funkcji bez pomiaru.

Osiemnaście gigabajtów, dziesięć języków, MIT

Fakty dotyczące wdrażania różnią się tak diametralnie, że niemal nie da się ich porównać. VibeVoice ASR Streaming 7B to około 18 GB wag bf16 — karta na Hugging Face podaje 9B łącznych parametrów dla punktu kontrolnego oznaczonego jako 7B, a towarzyszący mu model 1,5B ma około 5,6 GB — na licencji MIT, z demami w Pythonie i wtyczką vLLM do serwowania. Dziesięć języków: chiński, angielski, francuski, niemiecki, włoski, japoński, koreański, portugalski, rosyjski i hiszpański. Microsoft pozycjonuje go do badań i rozwoju.

Grok Voice Transcribe 2.0 to zarządzany punkt końcowy bez wag do pobrania, 12 formatów wejściowych od audio telefonicznego 8 kHz do 48 kHz, do ośmiu kanałów, 100 kluczowych terminów na żądanie, automatyczne wykrywanie języka z przełączaniem w trakcie nagrywania, odwrotna normalizacja tekstu w 25 językach, pliki do 500 MB oraz limity usługi wynoszące 10 żądań na sekundę i 100 współbieżnych sesji strumieniowania na zespół. Działa w us-east-1 i tylko w us-east-1.

• Wagi — MIT, 18 GB, Twoje, do uruchomienia gdziekolwiek vs brak, wyłącznie u dostawcy

• Języki — 10 nazwanych języków vs automatyczne wykrywanie z obsługą formatowania w 25

• Faworyzowanie terminów kluczowych — obsługiwane przez hotwords w porównaniu z maksymalnie 100 terminami kluczowymi na żądanie

• Długość nagrania — około ośmiu minut na punkt kontrolny, zanim retencja historii stanie się ograniczeniem, w porównaniu z brakiem publikowanego limitu; pliki do 500 MB

• Kontrola regionu — cokolwiek, na czym wdrażasz, kontra us-east-1

• Koszt — brak opłaty licencyjnej, plus 18 GB pamięci GPU i stos serwujący vs 0,10 USD za godzinę przetwarzania wsadowego i 0,20 USD za godzinę strumieniowania

Model o rozmiarze 18 GB to nie coś, co uruchamia się na laptopie, a wtyczka vLLM oznacza GPU z prawdziwą pamięcią. Z drugiej strony licencja MIT na model o takim rozmiarze jest nietypowa i cenna: to jedyny z tych dwóch, który można uruchomić we własnej sieci bez żadnych relacji z dostawcą, co w przypadku dźwięku objętego regulacjami nie jest preferencją, lecz wymogiem. Alternatywa zarządzana jest tania w przeliczeniu na godzinę i niemożliwa do wdrożenia lokalnie.

Gdzie ma swoje miejsce decyzja o routingu

Koszt to punkt, w którym oba modele w końcu stają się porównywalne w sposób dający konkretną liczbę. Ścieżka wsadowa Grok Voice Transcribe 2.0 kosztuje 0,10 USD za godzinę audio, około 1,67 USD za 1000 minut, a jej ścieżka strumieniowa 0,20 USD, około 3,33 USD. VibeVoice ASR Streaming 7B nie ma żadnego kosztu licencji; zamiast tego ma około 18 GB rezydentnej pamięci GPU oraz obsługiwany przez ciebie stos serwowania vLLM. Model klasy 7B o takim rozmiarze nie będzie tani w przeliczeniu na godzinę audio na wynajmowanym sprzęcie, a krzywa wykorzystania nie wybacza — GPU utrzymywane w gotowości na szczytowy ruch kosztuje tyle samo, niezależnie od tego, czy transkrybuje, czy jest bezczynne.

To typowy kształt dylematu „zbudować czy kupić”, a jego rozstrzygnięcie wygląda inaczej w zależności od wolumenu i od tego, czy audio może opuścić Twoją sieć. To, co zmieniło się w ciągu ostatniego miesiąca, to szybkość, z jaką zmienia się odpowiedź: lider dokładności streamingu zmienił się dwukrotnie w ciągu trzech tygodni, a model wydany na początku września został wyparty do połowy września. Każda architektura, która sprawia, że odwrócenie wyboru modelu jest kosztowne, jest teraz złą architekturą dla tej kategorii.

OrcaRouter to miejsce, w którym to odwrócenie staje się tanie. Jeden klucz zgodny z OpenAI obejmuje ponad 200 modeli z automatycznym przełączaniem awaryjnym między dostawcami, dzięki czemu awaria zarządzanego punktu końcowego w jednym regionie jest zdarzeniem routingu, a nie przerwą w działaniu, a cena katalogowa dostawcy jest przekazywana z 0% marży — co oznacza, że zmiana ceny u dostawcy lub nowy checkpoint jest u nas dostępny tego samego dnia. Dla zespołu, który chce przetestować VibeVoice na własnym audio w zestawieniu z Grok Voice Transcribe 2.0 albo utrzymać awaryjne rozwiązanie hostowane samodzielnie za tym samym interfejsem co zarządzany podstawowy punkt końcowy, miejsce wywołania przestaje być tym, co trzeba zmieniać.

Szczery werdykt: VibeVoice ASR Streaming 7B to ciekawszy model, a Grok Voice Transcribe 2.0 to bardziej użyteczny produkt, a różnicę między tymi dwoma stwierdzeniami w pełni wyjaśnia to, że jeden dostawca publikuje wykresy, a drugi liczby. Jeśli potrzebujesz lokalnej transkrypcji spotkań krótszych niż osiem minut z przypisaniem mówców, checkpoint Microsoftu jest jedynym z tych dwóch, który się kwalifikuje. Jeśli potrzebujesz agenta głosowego, który odpowiada w ramach pauzy konwersacyjnej, kadencja fragmentów wynosząca 2,9 sekundy wyklucza go, zanim w ogóle omówi się dokładność. A jeśli czekasz na porównanie, które by to rozstrzygnęło — ten sam dźwięk przepuszczony przez oba modele, oceniony przez kogoś, kto nie pracuje dla żadnej z tych firm — taki pomiar jeszcze nie istnieje, o czym warto pamiętać, gdy następnym razem w tabeli obok nazwy VibeVoice pojawi się liczba.