SpaceX旗下人工智能部门SpaceXAI近日推出新一代语音转文本模型Grok Voice Transcribe2.0，该模型在保持原有定价体系的同时，将错误率降低近半，引发行业关注。这款产品并非实验室原型，而是基于Grok Voice音频基础模型开发，该底层系统已深度融入真实业务场景，每日处理数万通客服通话、转录数百万小时视频旁白，并支撑特斯拉车机系统中的Grok语音助手等实体硬件应用。
在第三方评测平台Artificial Analysis的流式模型榜单中，Grok Voice Transcribe2.0以显著优势登顶准确率排名，在全部32款参评模型中位列第一。为验证模型实际性能，SpaceXAI从线上业务中抽取四类内部数据集进行对比测试，涵盖客服录音、日常英语对话、结构化信息（如电话号码、邮箱地址）以及多语种指令场景。测试结果显示，2.0版本在所有数据集上均全面超越前代产品。
定价策略成为该模型另一大亮点。批量转录服务维持每小时0.10美元，实时流式转录定价0.20美元/小时，与1.0版本完全一致。更值得关注的是，说话人分离、精确时间戳标记和自定义关键词识别等高级功能已全部纳入基础套餐，不再额外收费。这意味着用户仅需支付旧版价格，即可获得错误率降低近50%且功能更丰富的升级服务。
在语音识别这一对成本高度敏感且调用量庞大的领域，SpaceXAI选择通过"性能跃升+价格持平"的策略抢占市场。相较于单纯追求评测榜单排名，这种将技术突破直接转化为用户可感知的性价比提升的做法，被认为更有利于推动模型在实际业务中的规模化应用。目前，该模型已开放商业接口，开发者可通过SpaceXAI官网获取详细技术文档与接入指南。
