SpaceXAI发布Grok Voice Transcribe 2.0语音转文本模型
当地时间9月19日，SpaceXAI发布了Grok Voice Transcribe 2.0语音转文本模型，在保持价格不变的前提下，错误率降低约一半。该模型基于Grok Voice底层的音频基础模型构建，每天承接数万通客服电话，转录数百万小时的视频旁白，并驱动特斯拉车辆中搭载的Grok助手。在Artificial Analysis榜单中，该模型在全部32款流式模型中准确率高居榜首。
新模型主打嘈杂电话线、多人同时说话、带地方口音和口述凭证等困难音频场景，支持批量处理与实时流式两种模式，API已于9月17日开放，定价维持在约每小时0.1美元。发布当日它就获得了规模化落地场景：Atlassian宣布旗下Loom已接入该模型，为平台上的每一段视频自动生成文字转录。在Artificial Analysis的评测中，Grok Voice Transcribe 2.0在全部32款流式语音模型里准确率排名第一。