SpaceXAI 发布 Grok Voice Transcribe 2.0，支持批量与流式语音转文字。Artificial Analysis 的公开榜单给出 2.3% 词错误率，上一代为 4.0%；API 价格仍是批量每音频小时 0.10 美元、流式 0.20 美元。模型还提供逐词置信度、说话人分离、最多 8 声道转写、关键词偏置与录音内自动切换语言，并已用于 Atlassian Loom 的全部视频。
SpaceXAI 将转写错误率减半且不涨 API 价格
2026-09-18已核实动态TRIAL
SpaceXAI 发布 Grok Voice Transcribe 2.0，支持批量与流式语音转文字。Artificial Analysis 的公开榜单给出 2.3% 词错误率，上一代为 4.0%；API 价格仍是批量每音频小时 0.10 美元、流式 0.20 美元。模型还提供逐词置信度、说话人分离、最多 8 声道转写、关键词偏置与录音内自动切换语言，并已用于 Atlassian Loom 的全部视频。
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
对语音 agent 和媒体流水线来说，这是足以影响自建还是采购判断的质量提升，而且价格很低。切换默认模型前，应先用嘈杂的真实业务录音和专有名词做试验；公开综合准确率不能替代本业务的错误率、延迟与隐私测试。
证据与关联材料
技术细节与六维评分
| 模型 ID | grok-voice-transcribe-2.0 |
|---|---|
| 公开准确率 | Artificial Analysis 词错误率 2.3%；Grok Voice Transcribe 1.0 为 4.0% |
| 价格 | 批量每音频小时 0.10 美元；流式每音频小时 0.20 美元 |
| 能力 | 逐词时间戳与置信度、说话人分离、最多 8 声道、100 个关键词、智能轮次结束检测 |
| 多语言 | 支持数十种语言；可识别录音中途切换语言 |
| 采用 | Atlassian Loom 的全部视频转写使用该模型 |
技术影响 4
工程价值 5
采用信号 4
成熟度 4
验证成本 2
风险 2