Grok Voice Transcribe 2.0
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 4e sur 51 en transcription en anglais (Artificial Analysis).
Présentation
Grok Voice Transcribe 2.0 est le modèle de transcription de l'API Grok, utilisable sur fichier ou en flux continu par WebSocket, avec horodatage par mot, séparation des orateurs et termes clés. Il détecte la langue parlée et suit les changements de langue au cours d'un enregistrement. Lu sur docs.x.ai, le 17/10/2026.
- Sortie
- 18 septembre 2026 selon Artificial Analysis
Langues
- Annoncées par l'éditeur : plus de 38 langues, dont le français. Lu sur docs.x.ai.
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
Son classement
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Transcription
Transcription en anglais, indice AA-WER
4e sur 51taux d'erreur par mot 2,29 %
Prix : 1,67 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 2,34 %, Earnings22 3,22 %, VoxPopuli 1,28 %
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Transcription en anglais, indice AA-WER : devant, Scribe v2 (3e, 2,18 %) · derrière, MAI-Transcribe-1.5 (5e, 2,38 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
Grok Voice Transcribe 2.0 - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://docs.x.ai/developers/model-capabilities/audio/speech-to-text.md (« Transcribe audio files into text with a single API call, or stream audio in real time over WebSocket. The API supports 12 audio formats, word-level timestamps, multichannel transcription, and text formatting. »), 17/10/2026
- https://docs.x.ai/developers/model-capabilities/audio/speech-to-text.md (« `grok-voice-transcribe-2.0` transcribes 38+ languages, including every language listed below. It detects the spoken language automatically and follows switches partway through a recording »), 17/10/2026
- https://docs.x.ai/developers/model-capabilities/audio/speech-to-text.md (« | French | `fr` | »), 17/10/2026
- https://docs.x.ai/developers/model-capabilities/audio/speech-to-text.md (« | `diarize` | boolean | | When `true`, enables speaker diarization. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.