Grok Voice Transcribe 2.0 de xAI conserve son prix et revendique une meilleure précision

Le nouveau modèle de reconnaissance vocale de xAI, Grok Voice Transcribe 2.0, conserve les mêmes tarifs de 0,10 $/h en batch et 0,20 $/h en streaming que la version 1.0. Ses revendications de précision proviennent du fournisseur.

Dans cet article

Ce que revendique xAI
Pourquoi le prix fixe constitue le signal le plus utile
Que faire avant de basculer par défaut

xAI a publié Grok Voice Transcribe 2.0 le 18 septembre 2026, un modèle de reconnaissance vocale que l’entreprise présente comme deux fois plus précis que son prédécesseur, sans changement de tarif : 0,10 $ par heure d’audio en transcription batch et 0,20 $ par heure en streaming. La diarisation, les horodatages et le biaisage par termes clés restent inclus sans surcoût.

Gros plan d'une console de mixage audio numérique avec des rangées de curseurs et de petits écrans de canal bleutés — Photo : Lchader (CC BY-SA 4.0), Wikimedia Commons.

Ce que revendique xAI

La société annonce un taux d’erreur de mots de 6,8 % sur les phrases courtes, contre 20,6 % pour la version 1.0, et affirme que le nouveau modèle arrive en tête du classement de précision parmi 32 modèles de streaming sur le leaderboard d’Artificial Analysis. Loom est cité comme partenaire de conception pour cette sortie. Aucun de ces chiffres n’a été reproduit indépendamment ; ils proviennent de l’annonce de xAI et d’un seul leaderboard tiers choisi par l’entreprise.

Pourquoi le prix fixe constitue le signal le plus utile

Les tarifs de reconnaissance vocale baissent chez tous les fournisseurs depuis plusieurs mois. Le fait que xAI maintienne son prix antérieur tout en revendiquant un gain important de précision représente donc un point de contrôle plus fiable que le chiffre de précision lui-même : la signature d’appel de l’API et le modèle de facturation restent inchangés, ce qui réduit le coût de migration pour les équipes déjà intégrées à la version 1.0.

Que faire avant de basculer par défaut

Le même point de terminaison /v1/stt accepte grok-voice-transcribe-1.0 ou grok-voice-transcribe-2.0, et xAI a indiqué que 2.0 deviendrait la valeur par défaut de l’API, la version 1.0 étant dépréciée dans les semaines à venir. Les équipes disposant d’intégrations existantes doivent épingler explicitement la version, recalculer leur propre taux d’erreur de mots sur des échantillons audio représentatifs, puis décider de migrer ou non — plutôt que d’accepter le nouveau défaut sur la seule base des revendications du fournisseur.

Sources : x.ai — Grok Voice Transcribe 2.0, MarkTechPost — coverage of the release.