SpaceXAI发布Grok Voice Transcribe 2.0：错误率减半价格不变
SpaceXAI于当地时间9月18日推出Grok Voice Transcribe 2.0语音转文本模型，该模型在维持原有定价体系的基础上，将转录错误率降低约一半。官方数据显示，新版本在Artificial Analysis榜单的32款流式模型中准确率排名第一，并已在特斯拉车载助手及大规模客服场景中实现全面应用。
驱动中国9月19日消息，SpaceXAI于当地时间9月18日正式发布Grok Voice Transcribe 2.0语音转文本模型。该版本在保持原有价格体系不变的前提下，实现了转录错误率降低约一半的技术突破。
官方资料显示，Grok Voice Transcribe 2.0基于Grok Voice底层的音频基础模型构建。目前，Grok Voice已全面融入实际业务场景，每天处理数万通客服电话，转录数百万小时的视频旁白，并驱动实体硬件中的各类语音智能体，其中包括特斯拉车辆中搭载的Grok助手。
在第三方评测机构Artificial Analysis的榜单中，Grok Voice Transcribe 2.0在全部32款流式模型中准确率高居榜首。除公开基准外，SpaceXAI还基于线上实际业务中采样的四个内部数据集，对模型的词错误率进行了系统评测。这四个测试集分别涵盖客服电话音频、与Grok的日常对话（英语）、电话号码、邮箱、地址等口述信息，以及多语种简短语音指令。评测结果显示，Grok Voice Transcribe 2.0在四个数据集的表现均全面超越1.0版本。
在定价方面，Grok Voice Transcribe 2.0与1.0版本保持完全一致。批量转录服务为每小时音频0.10美元（约合0.67元人民币），实时流式转录服务为每小时0.20美元（约合1.3元人民币）。同时，说话人分离、精确时间戳以及自定义关键词功能均已包含在内，用户无需支付额外费用。