Grok Voice Transcribe 2.0 de xAI mantiene el precio y promete mayor precisión

El nuevo modelo de voz a texto de xAI, Grok Voice Transcribe 2.0, mantiene el mismo precio de 0,10 $/h por lotes y 0,20 $/h en streaming que la versión 1.0. Las afirmaciones de precisión proceden del propio proveedor.

En este artículo

Qué afirma xAI
Por qué el precio estable es la señal más útil
Qué hacer antes de cambiar la opción por defecto

xAI lanzó Grok Voice Transcribe 2.0 el 18 de septiembre de 2026, un modelo de voz a texto que, según la compañía, duplica aproximadamente la precisión de su predecesor con precios sin cambios: 0,10 $ por hora de audio para transcripción por lotes y 0,20 $ por hora para streaming. La diarización, las marcas de tiempo y el sesgo de términos clave siguen incluidos sin coste adicional.

Primer plano de una mesa de mezclas de audio digital con filas de faders y pequeñas pantallas de canal en luz azul — Foto: Lchader (CC BY-SA 4.0), Wikimedia Commons.

Qué afirma xAI

La compañía comunica una tasa de error de palabras del 6,8 % en frases cortas, frente al 20,6 % de la versión 1.0, y asegura que el nuevo modelo ocupa el primer puesto en precisión entre 32 modelos de streaming en el ranking de Artificial Analysis. Loom figura como socio de diseño del lanzamiento. Ninguna de estas cifras ha sido reproducida de forma independiente; proceden del propio anuncio de xAI y de un único ranking de terceros que xAI decidió citar.

Por qué el precio estable es la señal más útil

El precio de la conversión de voz a texto lleva meses bajando en todos los proveedores, así que el hecho de que xAI iguale su propio precio anterior mientras afirma una gran mejora de precisión es un dato más verificable que la propia cifra de precisión: la firma de la llamada a la API y el modelo de costes no cambian, lo que reduce el coste de migración para los equipos ya integrados con la versión 1.0.

Qué hacer antes de cambiar la opción por defecto

El mismo endpoint /v1/stt acepta tanto grok-voice-transcribe-1.0 como grok-voice-transcribe-2.0, y xAI ha indicado que la 2.0 pasará a ser la opción por defecto de la API y que la 1.0 quedará obsoleta en las próximas semanas. Los equipos con integraciones existentes deberían fijar la versión de forma explícita, volver a ejecutar su propia medición de tasa de error de palabras con audio representativo y solo entonces decidir si abandonan la 1.0, en lugar de aceptar la nueva opción por defecto basándose únicamente en la afirmación de precisión del proveedor.

Fuentes: x.ai — Grok Voice Transcribe 2.0, MarkTechPost — cobertura del lanzamiento.