xAI 发布 Grok Voice Transcribe 2.0 语音转写模型

先了解这件事

xAI 发布语音转写模型 Grok Voice Transcribe 2.0，称其在真实场景评测中准确率是 1.0 版本的两倍，价格不变：批量转写每小时 0.10 美元、流式每小时 0.20 美元，包含说话人分离、时间戳和关键词功能。xAI 称该模型在 Artificial Analysis 榜单的 32 个流式模型中准确率排名第一；Artificial Analysis 表示其在 AA-WER Streaming 上以语音结束后 0.49 秒 2.7% WER 登顶最终转写和首个部分转写准确率。

xAI 称 2.0 将很快成为 Speech-to-Text API 的默认模型，1.0 将在未来几周内弃用。该模型基于 Grok Voice 底层音频基础模型构建，官方称在四个内部数据集评测中均超越 1.0 版本。

上述准确率与排名说法来自 xAI 及 Artificial Analysis，尚未经独立验证。