Grok Voice Transcribe 2.0 da xAI mantém o preço e alega melhor precisão

O novo modelo de voz para texto da xAI, Grok Voice Transcribe 2.0, mantém os preços da 1.0: 0,10 dólares/hora em lote e 0,20 dólares/hora em streaming. As alegações de precisão são do fornecedor.

Neste artigo

O que a xAI alega
Porque é que o preço inalterado é o sinal mais útil
O que fazer antes de mudar a predefinição

A xAI lançou o Grok Voice Transcribe 2.0 a 18 de setembro de 2026, um modelo de conversão de voz em texto que, segundo a empresa, duplica aproximadamente a precisão do seu antecessor com preços inalterados: 0,10 dólares por hora de áudio para transcrição em lote e 0,20 dólares por hora para streaming. A diarização, as marcas temporais e o enviesamento por termos-chave continuam incluídos sem custos adicionais.

Close-up de uma mesa de mistura de áudio digital com filas de faders e pequenos visores de canal iluminados a azul — Foto: Lchader (CC BY-SA 4.0), Wikimedia Commons.

O que a xAI alega

A empresa indica uma taxa de erro de palavras de 6,8% em frases curtas, abaixo dos 20,6% da versão 1.0, e afirma que o novo modelo ocupa o primeiro lugar em precisão entre 32 modelos de streaming na tabela de classificação Artificial Analysis. A Loom é referida como parceira de design do lançamento. Nenhum destes valores foi reproduzido de forma independente; provêm do anúncio da própria xAI e de uma única tabela de classificação de terceiros que a xAI decidiu citar.

Porque é que o preço inalterado é o sinal mais útil

Os preços da conversão de voz em texto têm vindo a descer entre os vários fornecedores há meses, pelo que o facto de a xAI manter o seu preço anterior enquanto alega um grande salto de precisão é um dado mais verificável do que o próprio número de precisão: a assinatura das chamadas da API e o modelo de custos permanecem inalterados, o que reduz o custo de migração para as equipas já integradas com a versão 1.0.

O que fazer antes de mudar a predefinição

O mesmo endpoint /v1/stt aceita grok-voice-transcribe-1.0 ou grok-voice-transcribe-2.0, e a xAI afirmou que a versão 2.0 passará a ser a predefinição da API, com a 1.0 a ser descontinuada nas próximas semanas. As equipas com integrações existentes devem fixar explicitamente a versão, voltar a medir a taxa de erro de palavras com áudio representativo e só depois decidir se abandonam a 1.0 — em vez de aceitarem a nova predefinição apenas com base na alegação de precisão do fornecedor.

Fontes: x.ai — Grok Voice Transcribe 2.0, MarkTechPost — cobertura do lançamento.