xAI 发布语音转写模型 Grok Voice Transcribe 2.0,同价下准确率为上代两倍
xAI 于 9 月 18 日发布语音转文字模型 Grok Voice Transcribe 2.0,官方称其实际场景准确率达到上一代的两倍且价格不变。该模型在 Artificial Analysis 公开榜单 32 个流式模型中准确率排名第一,官方内部评测显示其在电话客服音频上词错率领先所有被测模型,多语言短句词错率从 20.6% 降至 6.8%。
同等价格下把准确率翻倍,转写的成本与质量基线同步下移,xAI 借生产流量把语音转写做成企业基础设施生意。
- 影响转写按小时计价的门槛继续降低,说话人分离、词级时间戳不再额外收费,语音环节成本可重新核算;转写文本已接入 Cursor 等编码流程,录音内容开始直接变成待办动作;1.0 版数周内弃用,存量集成需预留迁移窗口。
- 参考可考虑用客服电话、会议录音等自家最难的音频做小样本测试,对比现有方案的词错率与总成本;已在用旧版接口的团队可先固定 grok-voice-transcribe-1.0 争取过渡时间,再评估切换节奏。