当地时间9月18日，SpaceXAI发布Grok Voice Transcribe 2.0语音转文本模型。官方表示，新模型基于Grok Voice底层音频基础模型构建，在保持价格不变的同时，将错误率降低约一半。目前，Grok Voice已全面赋能实际业务，每天承接数万通客服电话，转录数百万小时视频旁白，并驱动实体硬件中的各类语音智能体，其中包括特斯拉车辆搭载的Grok助手。
在Artificial Analysis榜单中，Grok Voice Transcribe 2.0在全部32款流式模型里准确率高居榜首。除公开基准外，SpaceXAI还基于线上实际业务采样的四个内部数据集，对词错误率进行系统评测，覆盖客服电话音频、与Grok的日常英语对话、电话号码邮箱地址等口述信息，以及多语种简短语音指令。结果显示，新模型在四个数据集上均全面超越1.0版本。
定价方面，Grok Voice Transcribe 2.0与1.0完全一致：批量转录每小时音频0.10美元，约合0.67元人民币；实时流式转录每小时0.20美元，约合1.3元人民币。同时，说话人分离、精确时间戳和自定义关键词功能全部包含，无需额外付费。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/762542.html
