Grok 转写 2.0：同一评测里少错词，价格没变

9 月 18 日，SpaceXAI 发布 Grok Voice Transcribe 2.0，更新把语音变成文字的底层模型。它可以处理已录好的文件，也能边说边转写；返回的文字可带时间点和说话人标签，方便找到原录音复核。

对会后整理和视频字幕来说，值得留意的是专有名词、数字和多人对话能否少出错。官方强调这些场景的改善；独立评测也提供了可以和上一代放在一起看的结果。

截至 9 月 20 日，Artificial Analysis 的同一非流式评测中，Grok 2.0 的词错误率为 2.3%，1.0 为 4.0%。这个指标统计转写中的错词、漏词和多出的词，越低越好；它不是每一段录音的准确率承诺。

同表的速度则从 242.1 降至 155.1：数值表示每秒处理多少秒录音，越大越快。它是近七天测试的中位数，不能直接拿来判断实时字幕的响应。如果你主要处理录完的访谈，少校对可能更重要；需要边说边显示，就还要单独比较实时体验。

官方 API 价格保持不变：文件转写每小时录音 0.10 美元，实时转写 0.20 美元。开发者控制台有试用入口，接入文档支持 MP3、M4A 等文件。这里按音频时长收费，是服务接口的价格；使用现成录音软件或硬件时，要看该产品采用了哪个模型及自己的收费。

如果你常整理英语访谈或视频，可拿一小段自己听得懂的录音，重点核对人名、数字和说话人。目前官方文档的语言与文字格式化列表没有列出中文，本文也没有中文会议实测。主要记录中文的人，先保留能用的现有流程，等产品接入与中文结果更明确再比较。

• 打开官方转写试用入口 ↗开发者控制台，需要账户；实际可用额度以账户显示为准。
• 另看录音卡：怎样录、转写权益怎样算 →收音设备与转写服务是两个选择，不能把这次模型升级算进未确认接入的硬件。