The Pulse

SpaceXAI presenta Grok Voice Transcribe 2.0 allo stesso prezzo

Grok Voice Transcribe 2.0 raddoppia l’accuratezza del suo predecessore nelle valutazioni di SpaceXAI in condizioni reali, mantenendo invariati i prezzi per le trascrizioni batch e in streaming.

AI.info Team · Scritto con l’IA · verificato · 2026-09-19

SpaceXAI ha rilasciato Grok Voice Transcribe 2.0 il 18 settembre, presentandolo come un aggiornamento che migliora l’accuratezza nelle attività di conversione del parlato in testo senza aumentare il prezzo di listino. Nelle valutazioni dell’azienda in condizioni reali, il modello è due volte più accurato di Grok Voice Transcribe 1.0.

Grok Voice Transcribe 2.0 è disponibile per la trascrizione batch e in streaming attraverso la Speech-to-Text API di SpaceXAI. La trascrizione batch rimane a 0,10 dollari per ora di audio, mentre quella in streaming costa 0,20 dollari per ora. La diarizzazione, le marcature temporali e i termini chiave sono inclusi in queste tariffe.

Grok Voice Transcribe 2.0 punta sull’audio rumoroso

SpaceXAI ha costruito il modello sul modello di base audio alla base di Grok Voice. Quel sistema supporta già ogni giorno decine di migliaia di chiamate all’assistenza clienti, trascrive milioni di ore di narrazioni video e alimenta agenti vocali in prodotti fisici, tra cui l’assistente Grok nei veicoli Tesla.

Il nuovo modello è addestrato su audio dal vivo, rumoroso e multilingue raccolto in diversi ambienti. SpaceXAI indica in particolare le linee telefoniche instabili, le voci sovrapposte, gli accenti regionali e i numeri di telefono o gli indirizzi email pronunciati a voce come condizioni che mettono in luce i punti deboli dei sistemi ottimizzati principalmente per registrazioni pulite con una sola persona che parla.

Secondo SpaceXAI, nella classifica pubblica di Artificial Analysis Grok Voice Transcribe 2.0 è al primo posto per accuratezza tra 32 modelli di streaming. Il risultato è la descrizione fornita dall’azienda della posizione in classifica, non un test indipendente pubblicato insieme al lancio.

Le brevi frasi multilingue mostrano il miglioramento maggiore

SpaceXAI riferisce miglioramenti rispetto alla versione 1.0 in quattro set di valutazione interni: audio telefonico in inglese a 8 kHz da chiamate all’assistenza clienti, conversazioni in inglese con Grok, credenziali pronunciate a voce, come codici di account e indirizzi email, e brevi comandi vocali in 19 lingue.

Il miglioramento più marcato riportato riguarda le brevi frasi multilingue, nelle quali il modello deve identificare una lingua con poco contesto. Secondo SpaceXAI, il tasso di errore sulle parole in quel set scende dal 20,6% con Grok Voice Transcribe 1.0 al 6,8% con la versione 2.0. Un tasso di errore sulle parole più basso indica un minor numero di errori di trascrizione.

Il modello può trascrivere decine di lingue, rilevare automaticamente la lingua e seguire i passaggi da una lingua all’altra durante una singola registrazione. SpaceXAI descrive l’accuratezza multilingue come il suo miglioramento più significativo rispetto alla versione precedente.

Loom e Cursor nel flusso di lavoro dimostrativo di SpaceXAI

SpaceXAI usa un flusso di lavoro che coinvolge Loom di Atlassian e lo strumento di programmazione Cursor per mostrare come una trascrizione migliore possa alimentare altri software. Un utente può registrare un piano d’azione in Loom, inviare la trascrizione a Cursor e usare il contesto risultante per apportare modifiche al codice.

«Abbiamo sempre creduto che il modo migliore per far avanzare il lavoro sia acquisire il contesto una sola volta e lasciarlo circolare ovunque. Con Grok che alimenta la conversione del parlato in testo di Loom e Cursor che la trasforma in codice, chiudiamo il cerchio dal contesto al codice: si registra ciò che si intende fare e il lavoro viene svolto. È uno scorcio della direzione che sta prendendo lo sviluppo assistito dall’IA.»

Sanchan Saxena, vicepresidente senior di Teamwork Collection, Atlassian

L’esempio riflette una scelta di prodotto più ampia alla base del rilascio: SpaceXAI vende la trascrizione come livello di input per altre applicazioni, anziché soltanto come generatore di trascrizioni autonomo. L’elaborazione batch gestisce file registrati e URL, mentre lo streaming supporta l’audio in diretta tramite l’API.

La versione 1.0 sarà deprecata durante la migrazione

Le integrazioni esistenti della Speech-to-Text API beneficiano del miglioramento dell’accuratezza senza modifiche al codice. Grok Voice Transcribe 2.0 diventerà presto il modello predefinito nella Speech-to-Text API, mentre Grok Voice Transcribe 1.0 sarà deprecato nelle prossime settimane.

Gli sviluppatori che hanno bisogno di rimanere sul modello precedente durante la transizione possono fissare la versione su grok-voice-transcribe-1.0.

Con questo rilascio SpaceXAI mantiene semplice la scelta commerciale: gli sviluppatori ricevono un nuovo modello di trascrizione alle tariffe esistenti, mentre il cambiamento tecnico riguarda l’accuratezza nell’audio telefonico, nelle credenziali pronunciate a voce, nei comandi multilingue e in altre condizioni difficili da gestire in modo affidabile.