SpaceXAI ได้เปิดตัว Grok Voice Transcribe 2.0 ในวันที่ 18 กันยายน 2026 ข่าวประชาสัมพันธ์ของบริษัทระบุว่า โมเดลนี้สร้างขึ้นจากโมเดลพื้นฐานเสียงที่ใช้ขับเคลื่อน Grok Voice และระบุว่าในการประเมินในสถานการณ์จริงของบริษัท 2.0 เป็นหนึ่งในโมเดลแปลงเสียงเป็นข้อความที่แม่นยำที่สุด โดยมีความแม่นยำเป็น "สองเท่า" (twice as accurate) เมื่อเทียบกับ 1.0 ตามที่บริษัทอ้าง ส่วนราคายังคงเดิม
ราคาที่เปิดเผยยังคงเดิมกับ 1.0: บันทึกเสียงแบบ batch ราคา 0.10 เหรียญสหรัฐ ต่อชั่วโมง และสำหรับการสตรีมราคา 0.20 เหรียญสหรัฐ ต่อชั่วโมง รวมถึงคุณลักษณะการแยกพูดคน (diarization) ไทม์สแตมป์ และคีย์เวิร์ด บริษัทระบุว่า 2.0 จะกลายเป็น Speech-to-Text API เริ่มต้น; 1.0 จะถูกยกเลิกในอีกไม่กี่สัปดาห์ ซึ่งในช่วงเปลี่ยนผ่านสามารถ pin grok-voice-transcribe-1.0 ได้
SpaceXAI ระบุว่า Grok Voice ได้ประมวลผลหลายหมื่นการโทรติดต่อลูกค้าทุกวัน แปลงเสียงเป็นข้อความหลายล้านชั่วโมงของคำบรรยายภาพยนตร์ และทำงานอยู่ในผลิตภัณฑ์ที่มีตัวตน เช่น Grok บนรถ Tesla บริษัทยังระบุว่าในรายการสตรีมสาธารณะของ Artificial Analysis Transcribe 2.0 ได้อยู่อันดับหนึ่งในเรื่องความแม่นยำจาก 32 โมเดลสตรีม — นี่เป็นการแสดงความคิดเห็นของบริษัทเกี่ยวกับรายการนั้น
ข่าวประชาสัมพันธ์ของบริษัทยังได้กล่าวถึง Atlassian Loom: Atlassian ระบุว่า 2.0 มีความแม่นยำมากกว่าวิธีการที่มีอยู่และใช้งานในการแปลงเสียงเป็นข้อความใน Loom Teamwork Collection รองประธานบริษัท Sanchan Saxena ให้ข้อคิดเห็นว่า การใช้ Grok ขับเคลื่อนการแปลงเสียงเป็นข้อความใน Loom และให้ Cursor จัดการ เป็นทิศทาง "จาก context ไปสู่การทำงานจริง"
รายละเอียดของผลิตภัณฑ์สามารถดูได้จากข่าวประชาสัมพันธ์ของ SpaceXAI: https://x.ai/news/grok-voice-transcribe-2.