SpaceXAI于当地时间9月18日推出语音转文本模型Grok Voice Transcribe 2.0，核心升级在于错误率较上一代降低约一半，而定价保持完全不变。该模型构建于Grok Voice底层的音频基础模型之上，延续了后者在实际业务中的规模化部署路径。

据官方披露，Grok Voice目前每天承接数万通客服电话，转录数百万小时的视频旁白，并驱动实体硬件中的语音智能体，其中包括特斯拉车辆搭载的Grok助手。这一业务体量为新模型的迭代提供了真实场景的验证基础。

在第三方基准Artificial Analysis榜单中，Grok Voice Transcribe 2.0在全部32款流式模型里准确率排名第一。除公开基准外，SpaceXAI还基于线上业务采样的四个内部数据集系统评测词错误率，覆盖客服电话音频、与Grok的日常英语对话、电话号码与邮箱地址等口述信息、以及多语种简短语音指令。四个数据集上，2.0版本均全面超越1.0。

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，实时流式转录每小时0.20美元。对已接入该服务的开发者与企业而言，此次升级意味着在成本不变的前提下获得显著的准确率提升。