Grok Voice Transcribe 2.0：准确率翻倍，价格不变

▲ 26vertigoruntime7 HN 评论区

我们发布了 Grok Voice Transcribe 2.0，这是目前最精准的语音转文本模型之一。相比前代，它在保持相同价格的前提下，准确率提升了一倍。该模型基于 Grok Voice 的音频基础模型构建，已在数十万通客户支持电话、数百万小时视频旁白以及 Tesla 车辆的 Grok 助手等真实场景中验证。它专为处理嘈杂环境、多方口音及复杂语音指令而训练，在 Artificial Analysis 榜单的流式模型中排名第一。无论是短指令的多语言识别，还是对数字、邮箱等关键信息的精准转录，Grok Voice Transcribe 2.0 都表现卓越。Atlassian Loom 已采用该模型优化工作流，实现了从录音到代码生成的闭环。

我们一直相信，推动工作前进的最佳方式是只记录一次上下文，然后让它流向各处。
阅读原文 →HN 评论区RSS

HN 评论区

7
  1. nomel

    > 单词级时间戳。每个单词都有精确的起止时间和置信度评分。

    挺棒的。很多模型都缺这个功能。

  2. xnx

    每小时 0.10 美元的价格很不错，相比之下 Gemini Transcribe 3.5 要 0.30 美元。

  3. exizt88

    我不明白为什么这些基准测试会错得这么离谱。Nova-3 在 WER（词错误率）上绝对是市场上最好的模型，而 Azure 的 STT 简直糟糕透顶。可偏偏所有基准测试都把 Azure 的 STT 评分定得比 Nova-3 高。

同日更多故事

2026-09-18