语音转写打到了每音频小时 0.1 美元：什么时候该用 API，什么时候该自托管

先说结论

1. 价格没涨，能力在涨。xAI 在 9 月 18 日发了 Grok Voice Transcribe 2.0，官方明确说定价与 1.0 完全相同：批量转写 $0.10 / 音频小时、流式 $0.20 / 音频小时，且说话人分离、时间戳、关键词都包含在内，不额外收费。
2. 翻译成实际成本：1000 小时的会议录音 = 100 美元（批量档）。这个价位已经低于绝大多数团队”自己拿 GPU 跑 Whisper”的隐性成本——自托管的账不能只算电费，要算运维和闲置。
3. 这次的主要进步在多语种和”脏音频”。官方给的例子很具体：短语音（比如车机指令）场景下，词错率从 20.6% 降到 6.8%；多语种支持”自动识别语言，并且能在同一次转写里跟上中途换语言“——这是它相对 1.0 的最大改进。
4. 已有集成不用改代码。官方原话是现有 Speech-to-Text API 集成直接获得精度提升、无需任何代码变更。

这次到底升级了什么

它针对的是真实世界的音频，官方列的困难场景很实在：不稳定的电话线路、多人抢话、方言口音、以及被念出来的电话号码和邮箱地址。这类内容恰恰是”录音转文字”最常见的用途，也是最容易被通用模型搞砸的地方。

几个可核实的点：

• 底子是 Grok Voice 的音频基础模型。官方称 Grok Voice 已经在支撑每天数万通客服通话、转写数百万小时的视频旁白。
• 多语种是最大改进：支持几十种语言、自动检测语种，并且允许单次转写中切换语言。
• 短句场景提升显著：官方给出的对比是词错率 20.6% → 6.8%（对象是车载指令这类缺少上下文、难判语种的短语音）。
• 能力的对照面：官方图表里出现的对手包括 Universal-3.5 Realtime Pro、Chirp 3 Streaming、Azure STT Real-time、Nova-3 Realtime 等——这些是厂商自测，看方向可以，别当独立评测。

新增的实用开关（这些会直接改变你的输出，值得注意）：

成本账：$0.10/小时意味着什么

把官方价格直接换算一下（不含任何折扣）：

关键判断：如果只是”每月几十小时”，自托管的硬件和运维成本永远不可能比这个便宜——一块能跑语音模型的显卡的电费都不止 4 美元。这个价位真正改变的是长尾场景：以前因为”跑不起”而放弃转写的录音，现在可以批量处理了。

自己算一遍（改 HOURS 就行）：

# 按官方价格估算你自己的转写成本：批量 $0.10/音频小时，流式 $0.20/音频小时
HOURS=3000
python3 -c "h=$HOURS; print(f'批量: ${h*0.10:,.2f}/月   流式: ${h*0.20:,.2f}/月')"

什么时候该用 API，什么时候该自托管

一句话的取舍：数据不能出内网 → 自托管；能出内网 → 先算一遍 API 的账，绝大多数团队会在第一张表上发现自己属于”直接用 API”那一类。

顺带一句：如果你决定自托管，显存怎么估我们上一篇算过——视觉/音频这类长序列输入的瓶颈常常不在权重，而在 KV cache，估算顺序错了会白折腾。

三个容易踩的点

• 批量与流式的价差是两倍，而很多团队”默认用流式”。录播类内容一律走批量，这一条就能省一半。
• “无需改代码”不等于”输出不变”。开了填充词移除、话轮检测之后，转写文本的结构会变——下游如果有基于文本格式的解析逻辑，要重新测。
• 厂商自测的基准只能看方向。官方图里对手的成绩同样来自各家自述，没有任何一方是第三方独立评测。

这次没核实的

• 官方称”更准”和”两倍”的具体口径，我没能拿到完整表述，所以本文只引用了能确证的短句词错率（20.6% → 6.8%）与多语种描述。
• 没有实测：我不做语音模型的横评，本文的”该用 API 还是自托管”是成本与合规框架，不是精度结论。
• 人民币价格、并发上限、单文件时长限制等工程参数本次没有核对，落地前请查官方文档。
• Atlassian Loom 的案例来自官方公告的客户证言，属厂商材料，我不把它当作独立验证。

参考来源

• Introducing Grok Voice Transcribe 2.0——发布时间 2026-09-18、能力描述、短句词错率 20.6% → 6.8%、价格 $0.10/$0.20 每音频小时
• openai/whisper——自托管路线最常用的开源方案（本文对照表里的”自托管”一列以它为代表）
• 自托管前怎么估显存（本社区上一篇）：单张 3090 能跑哪些视觉模型——权重与 KV cache 的换算方法同样适用于音频长序列