xAI 发布 Grok Voice Transcribe 2.0 语音转写

一句话说清：xAI 出新语音转文字模型，吵闹环境也更准，价格还不变。

发生了什么

2026 年 9 月 18 日，xAI 发布 Grok Voice Transcribe 2.0，一个专门把语音变成文字的模型。 官方称它在真实嘈杂环境（电话、多口音、多人说话）下准确率比上一代翻倍，在公开榜单（Artificial Analysis）的 32 个实时转写模型里准确率排第一；价格不变：批量转写每小时音频 0.10 美元，实时流 0.20 美元。Atlassian 已用它给 Loom 录屏自动出字幕。

对我有什么用

• 开会录音、采访、网课一键转成文字稿，还能自动分「谁说了什么」。
• 支持几十种语言，中途切换语言也能一次转完。
• 开发者可以把它接进自己的语音助手、字幕工具，无需改代码就能用。

我可以怎么做

1. 到 xAI 的 Speech-to-Text API 文档页（x.ai）注册并拿到密钥。
2. 上传一段录音或给一个音频链接，模型返回带时间戳和说话人标注的文字。
3. 普通用户可关注 Atlassian Loom 等已接入的产品，直接用它们的「自动字幕」。

温馨提醒

• 这是付费 API（按音频时长计费），不是免费网页工具。
• 中文等语言的准确性以官方评测为准，长音频建议先小段试转。