Atlassian Loom 是一個廣泛使用的屏幕錄製和分享工具，該公司發現 Grok Voice Transcribe 2.0 在轉錄 Loom 影片時的準確度超過其現有解決方案。準確的轉錄為新的 AI 工作流程開闢了可能性：在 Loom 中錄製行動計劃，將轉錄內容傳送至 Cursor，並直接進行代碼更新。
“我們一直相信，推進工作的最佳方式是一次捕捉上下文，然後讓它流向各處。通過 Grok 為 Loom 的語音轉文本提供支持，Cursor 將其轉化為代碼，我們正在關閉從上下文到代碼的循環。”
xAI
定價與未來計劃
Grok Voice Transcribe 2.0 的定價與 Grok Voice Transcribe 1.0 相同，批量轉錄每小時 $0.10 USD (約 HKD 0.78)，流式轉錄每小時 $0.20 USD (約 HKD 1.56)，並包括說話者標記、時間戳和關鍵詞等功能。Grok Voice Transcribe 2.0 將很快成為語音轉文本 API 的默認選擇，而 Grok Voice Transcribe 1.0 將在未來幾周內停止使用。
資料來源：xAI 官方公告
Grok Voice Transcribe 2.0 支持多達數十種語言，並能自動檢測語言，實現單次錄音中的語言切換。其在多語言準確度方面的提升是對 Grok Voice Transcribe 1.0 最大的改進之一。在短語的測試集中，詞錯誤率從 20.6% 降至 6.8%。
此外，Grok Voice Transcribe 2.0 還支持高級配置和控制，現有的語音轉文本 API 集成無需代碼更改即可享受準確度的提升。主要功能包括：批量和流式轉錄、詞級時間戳、說話者標記、多通道轉錄、關鍵詞偏向、文本格式化及填充詞移除等。
與 Atlassian Loom 的合作
Atlassian Loom 是一個廣泛使用的屏幕錄製和分享工具，該公司發現 Grok Voice Transcribe 2.0 在轉錄 Loom 影片時的準確度超過其現有解決方案。準確的轉錄為新的 AI 工作流程開闢了可能性：在 Loom 中錄製行動計劃，將轉錄內容傳送至 Cursor，並直接進行代碼更新。
“我們一直相信，推進工作的最佳方式是一次捕捉上下文，然後讓它流向各處。通過 Grok 為 Loom 的語音轉文本提供支持，Cursor 將其轉化為代碼，我們正在關閉從上下文到代碼的循環。”
xAI
定價與未來計劃
Grok Voice Transcribe 2.0 的定價與 Grok Voice Transcribe 1.0 相同，批量轉錄每小時 $0.10 USD (約 HKD 0.78)，流式轉錄每小時 $0.20 USD (約 HKD 1.56)，並包括說話者標記、時間戳和關鍵詞等功能。Grok Voice Transcribe 2.0 將很快成為語音轉文本 API 的默認選擇，而 Grok Voice Transcribe 1.0 將在未來幾周內停止使用。
資料來源：xAI 官方公告
Grok Voice Transcribe 2.0 支持多達數十種語言，並能自動檢測語言，實現單次錄音中的語言切換。其在多語言準確度方面的提升是對 Grok Voice Transcribe 1.0 最大的改進之一。在短語的測試集中，詞錯誤率從 20.6% 降至 6.8%。
此外，Grok Voice Transcribe 2.0 還支持高級配置和控制，現有的語音轉文本 API 集成無需代碼更改即可享受準確度的提升。主要功能包括：批量和流式轉錄、詞級時間戳、說話者標記、多通道轉錄、關鍵詞偏向、文本格式化及填充詞移除等。
與 Atlassian Loom 的合作
Atlassian Loom 是一個廣泛使用的屏幕錄製和分享工具，該公司發現 Grok Voice Transcribe 2.0 在轉錄 Loom 影片時的準確度超過其現有解決方案。準確的轉錄為新的 AI 工作流程開闢了可能性：在 Loom 中錄製行動計劃，將轉錄內容傳送至 Cursor，並直接進行代碼更新。
“我們一直相信，推進工作的最佳方式是一次捕捉上下文，然後讓它流向各處。通過 Grok 為 Loom 的語音轉文本提供支持，Cursor 將其轉化為代碼，我們正在關閉從上下文到代碼的循環。”
xAI
定價與未來計劃
Grok Voice Transcribe 2.0 的定價與 Grok Voice Transcribe 1.0 相同，批量轉錄每小時 $0.10 USD (約 HKD 0.78)，流式轉錄每小時 $0.20 USD (約 HKD 1.56)，並包括說話者標記、時間戳和關鍵詞等功能。Grok Voice Transcribe 2.0 將很快成為語音轉文本 API 的默認選擇，而 Grok Voice Transcribe 1.0 將在未來幾周內停止使用。
資料來源：xAI 官方公告
大多數轉錄模型在清晰的單一說話者音頻上表現良好，但現實世界的音頻更具挑戰性，例如不穩定的電話線、競爭的聲音、本地口音，以及讀出來的電話號碼或電子郵件地址。Grok Voice Transcribe 2.0 專為這些困難的音頻條件而設計。
“在公共人工智能分析排行榜上，Grok Voice Transcribe 2.0 在 32 個流媒體模型中準確度排名第一。”
xAI
此外，該模型在四個內部測試集上的詞錯誤率均有所改善，特別是在客戶服務電話的轉錄中，Grok Voice Transcribe 2.0 超越了所有測試的模型。
多語言支持和新功能
Grok Voice Transcribe 2.0 支持多達數十種語言，並能自動檢測語言，實現單次錄音中的語言切換。其在多語言準確度方面的提升是對 Grok Voice Transcribe 1.0 最大的改進之一。在短語的測試集中，詞錯誤率從 20.6% 降至 6.8%。
此外，Grok Voice Transcribe 2.0 還支持高級配置和控制，現有的語音轉文本 API 集成無需代碼更改即可享受準確度的提升。主要功能包括：批量和流式轉錄、詞級時間戳、說話者標記、多通道轉錄、關鍵詞偏向、文本格式化及填充詞移除等。
與 Atlassian Loom 的合作
Atlassian Loom 是一個廣泛使用的屏幕錄製和分享工具，該公司發現 Grok Voice Transcribe 2.0 在轉錄 Loom 影片時的準確度超過其現有解決方案。準確的轉錄為新的 AI 工作流程開闢了可能性：在 Loom 中錄製行動計劃，將轉錄內容傳送至 Cursor，並直接進行代碼更新。
“我們一直相信，推進工作的最佳方式是一次捕捉上下文，然後讓它流向各處。通過 Grok 為 Loom 的語音轉文本提供支持，Cursor 將其轉化為代碼，我們正在關閉從上下文到代碼的循環。”
xAI
定價與未來計劃
Grok Voice Transcribe 2.0 的定價與 Grok Voice Transcribe 1.0 相同，批量轉錄每小時 $0.10 USD (約 HKD 0.78)，流式轉錄每小時 $0.20 USD (約 HKD 1.56)，並包括說話者標記、時間戳和關鍵詞等功能。Grok Voice Transcribe 2.0 將很快成為語音轉文本 API 的默認選擇，而 Grok Voice Transcribe 1.0 將在未來幾周內停止使用。
資料來源：xAI 官方公告
xAI 官方宣布推出 Grok Voice Transcribe 2.0，這是其最新的語音轉文本模型。根據實際評估，Grok Voice Transcribe 2.0 是當前市場上最準確的轉錄模型之一，其準確度是 Grok Voice Transcribe 1.0 的兩倍，並且價格保持不變。
Grok Voice Transcribe 2.0 的技術基礎
Grok Voice Transcribe 2.0 是基於 Grok Voice 背後的音頻基礎模型構建的。Grok Voice 每天支持數萬個客戶服務電話，轉錄數百萬小時的視頻解說，並在包括 Tesla 車輛的 Grok 助手等實體產品中運行語音代理。該模型經過獨特的數據集訓練，涵蓋了多種環境中的現場、嘈雜和多語言音頻，並經過後期訓練進行精煉。
準確度的提升
大多數轉錄模型在清晰的單一說話者音頻上表現良好，但現實世界的音頻更具挑戰性，例如不穩定的電話線、競爭的聲音、本地口音，以及讀出來的電話號碼或電子郵件地址。Grok Voice Transcribe 2.0 專為這些困難的音頻條件而設計。
“在公共人工智能分析排行榜上，Grok Voice Transcribe 2.0 在 32 個流媒體模型中準確度排名第一。”
xAI
此外，該模型在四個內部測試集上的詞錯誤率均有所改善，特別是在客戶服務電話的轉錄中，Grok Voice Transcribe 2.0 超越了所有測試的模型。
多語言支持和新功能
Grok Voice Transcribe 2.0 支持多達數十種語言，並能自動檢測語言，實現單次錄音中的語言切換。其在多語言準確度方面的提升是對 Grok Voice Transcribe 1.0 最大的改進之一。在短語的測試集中，詞錯誤率從 20.6% 降至 6.8%。
此外，Grok Voice Transcribe 2.0 還支持高級配置和控制，現有的語音轉文本 API 集成無需代碼更改即可享受準確度的提升。主要功能包括：批量和流式轉錄、詞級時間戳、說話者標記、多通道轉錄、關鍵詞偏向、文本格式化及填充詞移除等。
與 Atlassian Loom 的合作
Atlassian Loom 是一個廣泛使用的屏幕錄製和分享工具，該公司發現 Grok Voice Transcribe 2.0 在轉錄 Loom 影片時的準確度超過其現有解決方案。準確的轉錄為新的 AI 工作流程開闢了可能性：在 Loom 中錄製行動計劃，將轉錄內容傳送至 Cursor，並直接進行代碼更新。
“我們一直相信，推進工作的最佳方式是一次捕捉上下文，然後讓它流向各處。通過 Grok 為 Loom 的語音轉文本提供支持，Cursor 將其轉化為代碼，我們正在關閉從上下文到代碼的循環。”
xAI
定價與未來計劃
Grok Voice Transcribe 2.0 的定價與 Grok Voice Transcribe 1.0 相同，批量轉錄每小時 $0.10 USD (約 HKD 0.78)，流式轉錄每小時 $0.20 USD (約 HKD 1.56)，並包括說話者標記、時間戳和關鍵詞等功能。Grok Voice Transcribe 2.0 將很快成為語音轉文本 API 的默認選擇，而 Grok Voice Transcribe 1.0 將在未來幾周內停止使用。
資料來源：xAI 官方公告
