当地时间9月18日，SpaceXAI正式发布Grok Voice Transcribe 2.0语音转文本模型，在保持价格不变的前提下，将错误率降低约一半。该模型基于Grok Voice底层音频基础模型构建，目前已广泛落地于客服电话、视频旁白转录及实体硬件语音智能体等实际业务场景。
在Artificial Analysis榜单中，Grok Voice Transcribe 2.0在全部32款流式模型中准确率高居榜首。除公开基准外，SpaceXAI还基于线上业务采样的四个内部数据集进行评测，涵盖客服电话、日常英语对话、口述信息（电话号码、邮箱、地址等）以及多语种简短语音指令，2.0版本在四项测试中均全面超越1.0版本。
定价方面，Grok Voice Transcribe 2.0与1.0版本完全一致：批量转录每小时0.10美元，实时流式转录每小时0.20美元，说话人分离、精确时间戳及自定义关键词功能均已包含在内，无需额外付费。