SpaceXAI presentó el 18 de septiembre de 2026 Grok Voice Transcribe 2.0; el comunicado de prensa oficial señala que el modelo se sustenta en el modelo de audio base que impulsa Grok Voice y afirma que, en evaluaciones internas en escenarios reales de la compañía, la versión 2.0 figura entre los modelos de transcripción más precisos disponibles, con una precisión "twice as accurate" (el doble de precisa, según la empresa) frente a la 1.0, mientras el precio se mantiene sin cambios.
La tarifa pública es la misma que la de la versión 1.0: 0.10 USD por hora de audio en modalidad batch para grabaciones, y 0.20 USD por hora en streaming, con funciones de diarización de hablantes, marcas de tiempo y palabras clave incluidas. La compañía indicó que la versión 2.0 pasará a ser próximamente el modelo predeterminado de la API Speech-to-Text; la 1.0 se retirará de forma gradual en las próximas semanas, aunque se podrá fijar grok-voice-transcribe-1.0 durante el periodo de transición.
SpaceXAI asegura que Grok Voice ya procesa a diario decenas de miles de llamadas de atención al cliente y transcribe millones de horas de narraciones de vídeo, además de operar en productos físicos, entre ellos Grok a bordo de los vehículos Tesla. La compañía afirma también que, en la clasificación pública de streaming de Artificial Analysis, Transcribe 2.0 ocupa el primer puesto en precisión entre 32 modelos de streaming; se trata de la lectura que la empresa hace de ese ranking.
El comunicado menciona también a Atlassian Loom: Atlassian señala que la versión 2.0 es más precisa que su solución anterior y se utiliza para transcribir los vídeos de Loom. Sanchan Saxena, vicepresidenta senior de Teamwork Collection, afirmó que impulsar en Loom la conversión de voz a texto con Grok y luego delegar en Cursor marca una dirección en la que "el contexto fluye hacia el trabajo real".
La descripción del producto está disponible en el comunicado de SpaceXAI: https://x.ai/news/grok-voice-transcribe-2.