xAI发布Grok转录2.0 错误率降一半

时间：2026年9月18日（美国太平洋时间） 地点：美国旧金山 xAI 总部 + 全球线上发布 人物：xAI Grok 团队；Atlassian Loom 团队；特斯拉车载 Grok 团队 事件详情：2026 年 9 月 18 日，xAI 正式上线 Grok Voice Transcribe 2.0 语音转文本模型，作为 1.0 版本的升级款。该模型基于 Grok Voice 底层音频基础模型构建，在保持价格完全不变的前提下，词错误率（WER）较 1.0 平均下降约 50%。其中多语种短指令场景，WER 由 20.6% 降至 6.8%，相对降幅达 67%。在第三方机构 Artificial Analysis 的流式模型榜单上，Transcribe 2.0 在全部 32 款模型中准确率高居第一。模型通过 xAI 现 Speech-to-Text API 提供，支持批量文件、URL 与 WebSocket 实时流式，单价分别为 0.10 美元/小时与 0.20 美元/小时（约 0.67 元、1.30 元人民币）；说话人分离、词级时间戳、自定义关键词、多通道转录等功能均不另收费。xAI 表示，老 API 用户无需修改代码即可获得精度提升，1.0 模型将在未来数周内被弃用。 背景：Grok Voice 已成为 xAI 商业版图中重要的一块基础设施，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语音智能体，其中就包括特斯拉车机中的 Grok 助手。Transcribe 2.0 的训练数据来自现网采集的嘈杂、多语种真实音频，并经过后训练精调，因此对电话客服、口音、对话重叠、电话号码/邮箱朗读等"难音频"表现尤为稳健。在 xAI 自家公布的对比中，Transcribe 2.0 在四大内部测试集（客服电话、与 Grok 日常对话、口述凭证、多语种短指令）上全部超越 1.0，并对 ElevenLabs Scribe v2、Deepgram Nova-3、Whisper Large v3、Gemini 3.5 Transcribe、MAI-Transcribe-2 等对手形成压制。 影响：Atlassian 旗下 Loom 已率先全量切换到 Transcribe 2.0，每天为平台所有录屏生成脚本，并探索将脚本直接送入 Cursor 等编码工具，由"录口述→自动改代码"形成闭环。这是 xAI 第一次以"语音基础设施"姿态直接进入企业市场，与 ElevenLabs、Deepgram、Microsoft、OpenAI 等正面交锋。开发者侧，由于 API 价格不变、集成零改动，业内预计大批现有 1.0 集成将默认升级，进一步压缩传统 STT 服务商的定价空间。 总结：xAI 这次"价格不变、精度翻倍"的打法延续了其在开发者市场一贯的高调策略：先用低价/平价切入，再用规模效应挤压对手。对 STT 行业来说，2026 年 Q4 很可能成为一个明显的洗牌节点。 参考来源： - xAI 官方发布：https://hn.today/go/XBstW4PV - IT之家：https://www.ithome.com/1/004/534.htm - DoNews：https://www.donews.com/news/detail/8/6716688.html - 腾讯搜一搜：https://so.html5.qq.com/page/real/search_news?docid=70000021_7136aae718682652 - Tech & Business：https://techandbusiness.org/newswire/IajWFJ_EAcQCuww1WXZOtP - GenAI Daily：https://genaidaily.com/xai-releases-grok-voice-transcribe-2-0-with-doubled-speech-accuracy - AlphaSignal：https://alphasignal.ai/news/xai-ships-grok-voice-transcribe-2-0-with-half-the-errors-at-same-price - AI Future Front / Unite.AI：https://aifuturefront.com/xai-releases-grok-voice-transcribe-2-0-speech-to-text-model - Superpower Daily：https://superpowerdaily.com/posts/spacexai-releases-grok-voice-transcribe-2-0-at-its-existing-api-prices