Am 18. September 2026 veröffentlichte SpaceXAI Grok Voice Transcribe 2.0. Das offizielle Pressemitteilung besagt, dass das Modell auf dem Audio-Grundmodell basiert, das Grok Voice antreibt, und behauptet, dass 2.0 in den unternehmenseigenen realen Szenarien eine der genauesten Transkriptionsmodelle sei, mit einer "twice as accurate" (doppelt so genau, laut Unternehmensangaben) im Vergleich zu 1.0, während der Preis unverändert bleibt.
Die veröffentlichten Preise sind die gleichen wie bei 1.0: Für die Audio-Batch-Verarbeitung werden 0,10 USD pro Stunde berechnet, für das Streaming 0,20 USD pro Stunde, einschließlich Funktionen wie Sprechertrennung (Diarization), Zeitstempel und Schlüsselwörter. Das Unternehmen gibt an, dass 2.0 bald die Standardeinstellung für die Speech-to-Text API wird; 1.0 wird in den nächsten Wochen schrittweise eingestellt, während der Übergangszeit kann grok-voice-transcribe-1.0 festgelegt werden.
SpaceXAI gibt an, dass Grok Voice täglich Zehntausende von Kundendienstanrufen verarbeitet, Millionen Stunden von Video-Narrationen transkribiert und in physischen Produkten läuft, einschließlich des in Tesla-Fahrzeugen integrierten Grok. Das Unternehmen behauptet auch, dass Transcribe 2.0 in der öffentlichen Streaming-Liste von Artificial Analysis unter 32 Streaming-Modellen den ersten Platz in Bezug auf Genauigkeit belegt – dies ist die Darstellung des Unternehmens zu dieser Liste.
Das offizielle Schreiben erwähnt auch Atlassian Loom: Atlassian gibt an, dass 2.0 genauer ist als die bestehenden Lösungen und für die Transkription von Loom-Videos verwendet wird. Sanchan Saxena, Senior Vice President of Teamwork Collection, sagte, dass die Verwendung von Grok zur Umwandlung von Sprache in Text für Loom und die anschließende Verarbeitung durch Cursor in die Richtung "vom Kontext zur tatsächlichen Arbeit" geht.
Produktinformationen finden Sie im Pressemitteilung von SpaceXAI: https://x.ai/news/grok-voice-transcribe-2.