%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
VIP會員
當地時間9月18日，SpaceX 旗下的人工智能部門 SpaceXAI 放出了新一代語音轉文本模型 Grok Voice Transcribe2.0，最狠的一招是:在把錯誤率壓低約一半的同時，定價一分沒漲。
它紮根於 Grok Voice 底層的音頻基礎模型，而這套底座如今已經深度嵌入真實業務:每天接住數萬通客服電話、轉錄數百萬小時的視頻旁白，還驅動着實體硬件裏的各類語音智能體，其中就包括特斯拉車機上的 Grok 助手。換句話說，它不是實驗室裏跑分的模型，而是已經在一線被海量真實語音反覆打磨過的產物。
在 Artificial Analysis 的公開榜單上，Grok Voice Transcribe2.0在全部32款流式模型裏準確率排到第一，把同賽道對手甩在身後。SpaceXAI 還不滿足於公開基準，從自家線上業務裏抽樣了四個內部數據集做系統評測，涵蓋客服電話錄音、和 Grok 的日常英語對話、口述的電話號碼郵箱地址這類結構化信息，以及多語種短指令——四個數據集上2.0版對1.0版實現了全面碾壓。
真正讓開發者動心的是價格。批量轉錄仍是每小時音頻0.10美元，實時流式轉錄每小時0.20美元，和1.0完全相同;更關鍵的是，說話人分離、精確時間戳和自定義關鍵詞這幾項能力已經全部打包進基礎價，不再單獨收費。等於用舊版的價格，買到了錯誤率近乎減半、還多了功能的新模型——在語音識別這個價格敏感、調用量巨大的賽道里，這種"加量不加價"的打法，往往會比單純刷榜更能撬動落地。