Grok Voice Transcribe 2.0 será el predeterminado sin fecha anunciada: fija ya la versión 1.0
- Qué pasó
- SpaceXAI lanzó Grok Voice Transcribe 2.0 al precio de la versión 1.0 y dice que pronto será el predeterminado de la API de Speech-to-Text, con la 1.0 obsoleta en las próximas semanas.
- Por qué importa
- No se da ninguna fecha, así que las integraciones sin versión fijada cambiarán de modelo, y con él el resultado de las transcripciones, sin aviso.
- Qué hacer
- Fija grok-voice-transcribe-1.0 ya, prueba la 2.0 con tu propio audio y pasa después cuando te convenga.
Nuestro veredicto: si la API de Speech-to-Text de SpaceXAI está en producción en tu caso, fija grok-voice-transcribe-1.0 hoy. SpaceXAI dice que Grok Voice Transcribe 2.0 «pronto será el predeterminado en la API de Speech-to-Text» y que la versión 1.0 «quedará obsoleta en las próximas semanas». No da fecha para ninguna de las dos cosas. Un cambio de predeterminado silencioso altera tus transcripciones aunque el modelo nuevo sea mejor. Nuestro directorio valora la 2.0 como condicional: barata y con muchas funciones, pero todas las cifras de precisión son de la propia SpaceXAI. Nuestras elecciones siguen siendo GPT-Transcribe para el procesamiento por lotes y GPT-Live-Transcribe para streaming, ambos en recomendado.
Qué ha pasado
El 18 de septiembre de 2026, SpaceXAI anunció Grok Voice Transcribe 2.0.
- El cambio de predeterminado, textual: «Grok Voice Transcribe 2.0 pronto será el predeterminado en la API de Speech-to-Text, y Grok Voice Transcribe 1.0 quedará obsoleto en las próximas semanas. Para seguir con él durante la transición, fija
grok-voice-transcribe-1.0». - Sin fecha: cuando releímos el anuncio el 18 de octubre, seguía sin dar una fecha de calendario para el cambio ni para la obsolescencia.
- Precio sin cambios: 0,10 $ por hora de audio por lotes y 0,20 $ por hora en streaming, con diarización, marcas de tiempo y términos clave incluidos.
- Funciones: procesamiento por lotes y streaming, marcas de tiempo por palabra con puntuaciones de confianza, diarización de hablantes, hasta 8 canales y hasta 100 términos clave por solicitud. Los números, fechas, divisas, números de teléfono y direcciones de correo electrónico se devuelven en forma escrita, se eliminan las muletillas y la detección de turnos viene integrada.
- Sin identificador para la 2.0: la publicación solo nombra el identificador que sirve para fijar la versión 1.0.
Las afirmaciones de precisión son de SpaceXAI
SpaceXAI afirma que la versión 2.0 es «el doble de precisa que Grok Voice Transcribe 1.0, al mismo precio». Dice que ocupa el primer puesto en precisión entre 32 modelos de streaming en la clasificación de Artificial Analysis, y que en su propio conjunto de frases cortas (comandos dentro del coche y similares) la tasa de error de palabras baja del 20,6 % al 6,8 %. No hemos comprobado esa entrada de la clasificación ni hemos probado el modelo nosotros.
Por qué importa
Una integración sin versión fijada pasará a la 2.0 un día que SpaceXAI no ha indicado. Una precisión media mejor aun así puede romper cosas más adelante en tu cadena: etiquetas de hablante distintas, otro formato de números, muletillas eliminadas y nuevos límites de turno cambian el texto que esperan tus parsers, tus índices de búsqueda y tus controles de calidad.
Sobre el papel, la diferencia de precio con nuestras elecciones es grande:
| Modelo | Modo | Precio de lista por hora | Diarización en la página de precios o de lanzamiento del proveedor |
|---|---|---|---|
| Grok Voice Transcribe 2.0 | Por lotes | 0,10 $ | Incluida |
| GPT-Transcribe | Por lotes | 0,27 $ (0,0045 $/min) | No figura (existe un modelo aparte, gpt-4o-transcribe-diarize, a 0,006 $/min) |
| Grok Voice Transcribe 2.0 | Streaming | 0,20 $ | Incluida |
| GPT-Live-Transcribe | Streaming | 1,02 $ (0,017 $/min) | No figura |
Los dos modelos de OpenAI siguen en recomendado. La diferencia de precio es real y la de diarización es probable, pero queremos cifras de precisión independientes con audio como el tuyo antes de mover una elección. Hasta entonces, la 2.0 sigue en condicional.
Qué cambia para ti
- Fija la versión 1.0 ya en cada llamada a la API de Speech-to-Text que deba producir resultados estables.
- Prueba la 2.0 con una muestra de tu propio audio. Compara la tasa de error de palabras, la diarización y el manejo de términos clave, y contrasta con diff el texto formateado con lo que espera tu pipeline.
- Busca el identificador de la 2.0 en la página de modelos de SpaceXAI antes de escribirlo a mano en tu código. El anuncio no da ninguno.
- Planifica el cambio antes de que la 1.0 quede obsoleta. Fijar la versión solo te da tiempo hasta entonces, y esa fecha tampoco está anunciada.
Preguntas frecuentes
¿Cuándo se hace el cambio de predeterminado? SpaceXAI no lo ha dicho. El anuncio dice «pronto» para el cambio y «en las próximas semanas» para la obsolescencia de la versión 1.0.
¿Cuesta más la 2.0? No. El procesamiento por lotes sigue en 0,10 $ por hora de audio y el streaming en 0,20 $ por hora.
¿Debería cambiarme de GPT-Transcribe? No solo por las cifras de SpaceXAI. Prueba antes la 2.0 con tu propio audio; si aguanta, la diferencia de precio merece que actúes.
Qué hacer
- 1 Fija grok-voice-transcribe-1.0 en cada llamada a la API de Speech-to-Text que deba producir resultados estables.
- 2 Ejecuta la 2.0 sobre una muestra de tu propio audio y compara la tasa de error de palabras, la diarización y el manejo de términos clave antes de dejar de fijar la versión.
- 3 Busca el identificador del modelo 2.0 en la página de modelos de SpaceXAI. El anuncio no lo da.
- 4 Planifica el cambio antes de que la 1.0 quede obsoleta, porque esa fecha tampoco está anunciada.
Herramientas y modelos afectados
No vuelvas a tener que ponerte al día
El resumen semanal: solo cambios de veredicto y acciones urgentes. Sin relleno.