✏️ 原创内容| The Base Principle 编辑部
SpaceXAI 于 2026 年 9 月 18 日 发布了 Grok Voice Transcribe 2.0，官方新闻稿称该模型基于驱动 Grok Voice 的音频基础模型，并表示在公司真实场景评估中，2.0 是目前最准确的转写模型之一，与 1.0 相比“准确度提升了两倍”（公司说法），价格则保持不变。
公开价格与 1.0 相同：录音批量处理为每小时音频 0.10 美元，流式处理为每小时 0.20 美元，并包括说话人分离（diarization）、时间戳和关键词等功能。公司表示 2.0 即将成为 Speech-to-Text API 的默认设置；1.0 将在未来几周内逐步停用，过渡期内可固定使用 grok-voice-transcribe-1.0。
SpaceXAI 称，Grok Voice 每天处理数万通客服电话、转写数百万小时视频旁白，并运行于实体产品中，包括特斯拉车载 Grok。公司还表示，在 Artificial Analysis 的公开流式模型排行榜上，Transcribe 2.0 在 32 个流式模型中准确率排名第一——这是公司对该榜单的表述。
官方新闻稿同时提到 Atlassian Loom：Atlassian 表示 2.0 比现有方案更准确，并用于 Loom 视频转写。Teamwork Collection 高级副总裁 Sanchan Saxena 表示，以 Grok 驱动 Loom 语音转文字、再交由 Cursor 处理，是“由上下文流向实际工作”的方向。
产品说明见 SpaceXAI 新闻稿：https://x.ai/news/grok-voice-transcribe-2。
H
关于作者
Henderson