Grok Voice Transcribe 2.0 di xAI mantiene il prezzo e promette maggiore accuratezza

Il nuovo modello speech-to-text di xAI, Grok Voice Transcribe 2.0, mantiene gli stessi prezzi della 1.0: 0,10 $/ora per il batch e 0,20 $/ora per lo streaming. Le dichiarazioni sull'accuratezza provengono dal fornitore.

In questo articolo

Cosa sostiene xAI
Perché il prezzo invariato è il segnale più utile
Cosa fare prima di cambiare l'impostazione predefinita

xAI ha rilasciato Grok Voice Transcribe 2.0 il 18 settembre 2026, un modello speech-to-text che secondo l'azienda raddoppia all'incirca l'accuratezza del suo predecessore a prezzi invariati: 0,10 $ all'ora di audio per la trascrizione batch e 0,20 $ all'ora per lo streaming. Diarizzazione, timestamp e biasing dei termini chiave restano inclusi senza costi aggiuntivi.

Primo piano di un mixer audio digitale con file di cursori e piccoli display dei canali illuminati di blu — Foto: Lchader (CC BY-SA 4.0), Wikimedia Commons.

Cosa sostiene xAI

L'azienda segnala un tasso di errore sulle parole del 6,8% su frasi brevi, in calo rispetto al 20,6% della versione 1.0, e afferma che il nuovo modello si classifica al primo posto per accuratezza tra 32 modelli di streaming nella classifica di Artificial Analysis. Loom viene indicato come partner di design per il rilascio. Nessuna di queste cifre è stata riprodotta in modo indipendente; provengono dall'annuncio di xAI e da un'unica classifica di terze parti che xAI ha scelto di citare.

Perché il prezzo invariato è il segnale più utile

I prezzi dello speech-to-text sono in calo tra i fornitori da mesi, quindi il fatto che xAI mantenga il proprio prezzo precedente dichiarando un grande salto di accuratezza è un dato più verificabile rispetto al numero sull'accuratezza in sé: la firma delle chiamate API e il modello di costo restano invariati, il che riduce il costo di migrazione per i team già integrati con la versione 1.0.

Cosa fare prima di cambiare l'impostazione predefinita

Lo stesso endpoint /v1/stt accetta sia grok-voice-transcribe-1.0 sia grok-voice-transcribe-2.0, e xAI ha dichiarato che la 2.0 diventerà l'impostazione predefinita dell'API con la 1.0 deprecata nelle prossime settimane. I team con integrazioni esistenti dovrebbero fissare esplicitamente la versione, ripetere la propria misurazione del tasso di errore sulle parole su audio rappresentativi e solo allora decidere se abbandonare la 1.0, piuttosto che accettare il nuovo default basandosi solo sulle dichiarazioni di accuratezza del fornitore.

Fonti: x.ai — Grok Voice Transcribe 2.0, MarkTechPost — copertura del rilascio.