- Grok Voice Transcribe 2.0 是目前最準確的轉寫模型之一。
- 轉寫服務價格與 1.0 相同，並包含多項功能。
- Grok Voice 每日處理數萬通客服通話和數百萬小時影片旁白。
- Atlassian Loom 採用 2.0 進行影片轉寫，準確度更高。
SpaceXAI 於 2026 年 9 月 18 日 發布 Grok Voice Transcribe 2.0，官方新聞稿指該模型建基於驅動 Grok Voice 嘅音訊基礎模型，並稱喺公司真實場景評估中，2.0 屬目前最準確嘅轉寫模型之一，同 1.0 相比「twice as accurate」（兩倍準確，屬公司說法），價錢則維持不變。
公開價目與 1.0 相同：錄音 batch 為每小時音訊 0.10 美元，串流為每小時 0.20 美元，並包括說話人分離（diarization）、時間戳同關鍵詞等功能。公司指 2.0 即將成為 Speech-to-Text API 預設；1.0 將於未來數週逐步停用，過渡期可 pin grok-voice-transcribe-1.0。
Grok Voice 的應用情況
SpaceXAI 稱，Grok Voice 已每日處理數萬通客服通話、轉寫數百萬小時影片旁白，並運行於實體產品，包括 Tesla 車載 Grok。公司亦指喺 Artificial Analysis 公開串流榜上，Transcribe 2.0 喺 32 個串流模型中準確率排第一——此為公司對該榜單嘅表述。
官方稿同時提到 Atlassian Loom：Atlassian 指 2.0 比既有方案更準，並用於 Loom 影片轉寫。Teamwork Collection 高級副總裁 Sanchan Saxena 表示，以 Grok 驅動 Loom 語音轉文字、再交由 Cursor 處理，係「由 context 流向實際工作」嘅方向。
Atlassian Loom 的新進展
產品說明見 SpaceXAI 新聞稿：https://x.ai/news/grok-voice-transcribe-2。
Grok Voice 轉寫技術的市場影響
Grok Voice Transcribe 2.0 的推出顯示了語音轉寫技術的持續進步，尤其在準確性方面的提升，對於各行各業的應用潛力極大。隨著越來越多的企業如 Atlassian 採用此技術，顯示市場對於高效轉寫解決方案的需求日益增加。此技術不僅能提升客服效率，還能改善內容創作流程，為企業帶來更高的生產力。