Transkription · xAI

xAI Speech to Text

Die Spracherkennung von xAI, die günstigste Transkription im Katalog. Anonymisiert.

Anonymisiert Low cost
Neueste VersionGrok Speech to Text (1.0)17. April 2026
Artificial Analysis word error rate4 %Platz 2 von 4 bei Artificial Analysis word error rate
Preis0,048 $ pro Stunde AudioxAI Speech to Text v1
Wichtigste AngabeÜber 25 Sprachen

Was es auszeichnet

Die Spracherkennung von xAI ist die günstigste im Katalog, mit 0,10 $ pro Stunde im Batch. Sie deckt über 25 Sprachen ab, kennzeichnet Sprecher, verarbeitet Mehrkanal-Audio und formatiert Zahlen und Entitäten. Version 2.0 halbiert ihre Fehlerrate ungefähr.

  • 0,10 $ pro Stunde im Batch, laut xAI
  • Über 25 Sprachen, Sprechererkennung, Mehrkanal
  • Formatiert Zahlen, Währungen und E-Mails

Empfohlen für: meetings und diktate transkribieren.

Stärken und Grenzen

Wo es glänzt

  • Niedrigster Preis pro Minute hier
  • Über 25 Sprachen, laut xAI

Zweimal überlegen, wenn

  • Anonymisiert, nicht privat: Es gilt die Aufbewahrungsrichtlinie von xAI
  • Neuer und weniger erprobt als Parakeet oder Whisper
  • Über 25 Sprachen

Anwendungsfälle

Ein Telefonat mit Namen und Beträgen transkribieren

Transkribiere dieses Kundengespräch auf zwei Kanälen, formatiere die Beträge und E-Mail-Adressen und kennzeichne den Mitarbeiter und den Kunden.

Es verarbeitet Mehrkanal-Audio und formatiert Entitäten, laut xAI.

Ein großes Archiv mit kleinem Budget transkribieren

Transkribiere diese 40 aufgenommenen Vorlesungen als reinen Text, eine Datei pro Vorlesung.

Der Preis pro Stunde ist hier der niedrigste.

Im Vergleich zur Konkurrenz

  • ScribeScribe deckt über 90 Sprachen und Geräusch-Tags ab, zu einem höheren Preis.Platz 1 von 4 bei Artificial Analysis word error rate ( 2,2 %)
  • WhisperWhisper ist privat, offen und deckt 99 Sprachen ab.Platz 3 von 4 bei Artificial Analysis word error rate ( 4,1 %)
  • ParakeetParakeet ist privat und genauso günstig, für 25 europäische Sprachen.
Nebeneinander vergleichen ↗

Versionsverlauf

Jede Version, datiert, mit dem, was sie gegenüber der vorherigen geändert hat.

Artificial Analysis word error rate, Version für VersionNiedriger ist besser · Artificial Analysis

Hohle Punkte sind frühere Versionen, die Sub Rosa nicht mehr anbietet.

Zahlen ansehen
VersionVeröffentlicht%
Grok Speech to Text (1.0)2026-04-174 %
Grok Voice Transcribe 2.02026-09-182,3 %
  1. Grok Speech to Text (1.0)Die neueste
    • Eigenständige Speech-to-Text-API mit Batch und Streaming, Sprecherkennzeichnung, Zeitstempeln und Mehrkanal-Audio
    • Inverse Textnormalisierung für Zahlen, Währungen und E-Mail-Adressen
    Quelle : x.ai
  2. Grok Voice Transcribe 2.0Älter, nicht in Sub Rosa
    • Doppelt so genau wie 1.0 zum selben Preis, laut xAI
    • Mehrsprachige Fehlerrate bei kurzen Phrasen von 20,6 % auf 6,8 % gesenkt, über 19 Sprachen
    Quelle : x.ai

Benchmarks

So liest du diese Werte: was ein Benchmark aussagt.

Artificial Analysis word error rate: Platz 2 von 4 im Katalog gemessenen Modellen. Der Anteil der Wörter, die eine Transkription falsch erfasst (ausgelassen, hinzugefügt oder ersetzt), auf einer gemischten Sammlung echter Aufnahmen. Niedriger ist besser. Bei 5 % muss jedes zwanzigste Wort korrigiert werden; unter 3 % liest sich ein Transkript fast fehlerfrei.

Artificial Analysis word error rateNiedriger ist besser · Artificial Analysis, 4. Oktober 2026
  1. 1. ElevenLabs Scribe V2Scribe2,2 %
  2. 2. xAI Speech to Text v1xAI Speech to Text4 %
  3. 3. Whisper Large V3Whisper4,1 %
  4. 4. Wizper (Whisper v3)Whisper4,7 %
Zahlen ansehen
Modell%
1. ElevenLabs Scribe V22,2 %
2. xAI Speech to Text v14 %
3. Whisper Large V34,1 %
4. Wizper (Whisper v3)4,7 %

Vom Hersteller angekündigt

Vom Hersteller mit eigenen Einstellungen gemessen: nützlich, aber nicht direkt mit den unabhängigen Werten oben vergleichbar.

BenchmarkModellFilmmusikQuelle
Artificial Analysis word error ratexAI Speech to Text v16,9 %x.ai

Das Modell dieser Familie

ModellEinsatzDatenschutzPreis
xAI Speech to Text v1stt-xai-v1TranskriptionAnonymisiert0,048 $ pro Stunde Audio

Technische Daten

MerkmalGrok Speech to Text 1.0
Veröffentlicht17. April 2026
GewichteGeschlossen
Akzeptiertaudio
Erzeugttext
SprachenÜber 25 Sprachen
Preis0,048 $ pro Stunde Audio
DatenschutzAnonymisiert

Preise, Kontext und Längen aus dem Live-Katalog vom 16. Oktober 2026; Parameter und Lizenzen vom Hersteller.