SpaceXAI发布Grok Voice Transcribe 2.0：错误率砍半定价不变，流式识别登顶
当地时间9月18日，SpaceX旗下人工智能部门SpaceXAI正式发布新一代语音转文本模型Grok Voice Transcribe 2.0。该模型在错误率较1.0版本降低约一半的同时，定价维持不变——批量转录每小时0.10美元、流式转录每小时0.20美元。基于Grok Voice音频基础模型，Transcribe 2.0已在客服电话、视频旁白转录及特斯拉车机Grok助手等真实业务中深度落地，并在Artificial Analysis榜单全部32款流式模型中准确率排名第一。
距离1.0版本发布数月之后，Grok Voice Transcribe 2.0带着一个足够直接的核心卖点登场：官方表述为准确率翻倍（twice as accurate），折算成错误率大约降低一半。更关键的是，涨价没有发生。批量转录仍为每小时0.10美元，流式转录维持每小时0.20美元，与1.0版本完全一致。说话人分离、精确时间戳和自定义关键词识别等功能，同样继续免费包含在API中。
这一代模型的底层是Grok Voice音频基础模型。SpaceXAI方面透露，该底座已经深度嵌入一线业务场景：每天处理数万通客服电话、转录数百万小时的视频旁白，同时驱动着实体硬件中的各类语音智能体，其中包括特斯拉车机上的Grok助手。换言之，这不是一个只活在基准测试里的实验室模型，而是经过海量真实语音数据反复打磨后的产物。
在Artificial Analysis公开榜单上，Grok Voice Transcribe 2.0的流式语音识别准确率在全部32款模型中排名第一，将同赛道的其他产品甩在身后。SpaceXAI还表示，该模型在四个内部数据集评测中全面优于1.0版本，这为实际部署中的稳定性提供了支撑。
值得留意的是，这并非SpaceXAI在语音方向上的孤例。今年7月29日，SpaceXAI曾发布语音对语音模型Grok Voice Think Fast 2.0，本次Transcribe 2.0可以视为该系列的延续，也进一步补全了从语音理解到语音生成的完整链路。
此次发布也是SpaceXAI品牌切换后的重要产品动作之一。xAI成立于2023年7月，2025年2月被SpaceX全资收购，并于2026年7月7日正式更名，Grok自此定位为SpaceX全生态的智能底座。回顾时间线，SpaceX于2026年6月完成IPO，募资750亿美元，市值约2.11万亿美元——这些资源为Grok系列模型的迭代提供了充裕的算力与资金储备。
就在Transcribe 2.0发布两天后，马斯克于9月20日透露，SpaceXAI的超级计算集群Colossus 2目前正同时训练7个大模型，其中包括6万亿参数的Grok 5候选模型以及一个10万亿参数模型。可以推断，语音转录模型的快速迭代只是SpaceXAI整体模型矩阵升级的一部分，更大的棋局正在算力集群中同步铺开。
回到Grok Voice Transcribe 2.0本身：在价格不变的前提下把准确率拉高一个台阶，同时保持对说话人分离、时间戳等实用功能的免费开放，这一打法对开发者和企业用户都有实在的吸引力。而它作为特斯拉车机助手的语音底层，也让SpaceXAI的每次模型更新与终端硬件体验直接挂钩。对用户来说，这意味着车机对话的识别精度、响应质量，都可能在不知不觉中被这次发布所刷新。
滇公网安备 53252802528133号