当地时间9月18日，SpaceXAI发布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。
官方表示，该模型基于Grok Voice底层的音频基础模型构建。Grok Voice目前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中搭载的Grok助手。
在Artificial Analysis榜单中，Grok Voice Transcribe 2.0在全部32款流式模型中准确率居首。SpaceXAI还用客服电话音频、与Grok日常对话（英语）、电话号码邮箱地址等口述信息、多语种简短语音指令四个内部数据集评测词错误率，称其表现均全面超越1.0版本。
其定价与1.0版本完全一致：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；说话人分离、精确时间戳和自定义关键词功能均已包含，无需额外付费。