xAI 发布 Grok Voice Transcribe 2.0，登顶流式转写榜

9 月 18-19 日，xAI 发布语音转写模型 Grok Voice Transcribe 2.0，官方称其为「世界上最准确的语音转写模型」，在客服通话、口述凭证和短语音指令三类真实场景中准确率约为 1.0 版本的两倍，且价格不变。随后 Artificial Analysis 评测确认其登顶流式转写榜，Atlassian 已在 Loom 中落地集成。该模型以低价叠加流式榜首表现，对现有语音转写厂商构成双重压力。

已确认

• 发布主体为 xAI，产品基于 Grok Voice 音频基础模型构建
• 官方宣称三类真实场景准确率为前代两倍，价格维持不变
• 定价：批量转写 $0.10/小时，流式 $0.20/小时；Artificial Analysis 换算流式为 $3.33/千分钟，略高于 Muse Voice Transcribe 的 $3，低于 Cartesia，约为部分竞品半价
• Artificial Analysis 评测（09-19）：流式最终转写 AA-WER 为 2.7%（上一代明显下降），登顶 32 个模型的流式转写榜，语音结束后 0.49 秒输出最终转写；首段转写为 3.4% WER @0.49s，据 @XFreeze 转述其首段部分转写准确率同样位列第一，但比 Muse Voice 更慢
• 非流式转写 AA-WER 为 2.3%（上一代 4.0%），在 59 个模型中排第 5，落后于阿里 Fun-Realtime 等模型
• 落地案例：Atlassian 已在 Loom 中集成该模型

尚未确认

• @XFreeze 提及的 92.9%（电话语音场景）与 97.4%（整体榜单）两个准确率数字均注明「据称」，与 Artificial Analysis 的 WER 口径不同，评测方法尚不明确
• @haider1 发帖时指出该模型详细基准、定价与可用性披露有限，信息以官方宣传为主（后续 AA 评测已部分补齐）

为什么重要

• 语音转写市场竞争激烈，登顶流式榜叠加 $0.10/小时的批量低价，对 Deepgram、ElevenLabs、Gemini、Cartesia 等现有玩家构成价格与性能双重压力
• 非流式场景未夺魁（第 5 名）、流式首段转写速度偏慢，说明其优势集中在流式最终转写，并非全面碾压
• Atlassian 在 Loom 中的集成表明该模型已进入实际生产场景，后续可关注更多第三方验证与竞品降价反应

2026-09-18 ~ 2026-09-19 · 15 条相关

• Grok Voice Transcribe 2.0 发布:转写准确率 97.4% 居首,低至 $0.10/小时 — XFreeze · 2026-09-18
• 【源头】xAI 发布 Grok Voice Transcribe 2.0:语音转写准确率翻倍 — SpaceXAI · 2026-09-19
• Grok 推出语音转写模型 Voice Transcribe 2.0,自称业界最准 — haider1 · 2026-09-19
• Grok Voice Transcribe 2.0 登顶流式转写榜，WER 低至 2.7% — ArtificialAnlys · 2026-09-19
• 【源头】Grok 语音转写 2.0 登顶 AA-WER 流式榜,错误率降至 2.7% — ArtificialAnlys · 2026-09-19
• 流式首段转写 Grok 2.0 达 3.4% WER，准确率领先但更慢 — ArtificialAnlys · 2026-09-19
• 非流式转写 Grok 2.0 得 2.3% WER，59 个模型中排第 5 — ArtificialAnlys · 2026-09-19
• Grok Voice Transcribe 2.0 定价：流式 $3.33/千分钟，约竞品半价 — ArtificialAnlys · 2026-09-19
• 传 Grok Voice Transcribe 2.0 发布：准确率翻倍，流式模型榜首 — NicoVerderosa · 2026-09-19

另有 6 条近重复转述:XFreeze · SpaceXAI · XFreeze · minchoi · XFreeze · emmanuelvivier