Transcripción · xAI

xAI Speech to Text

El reconocimiento de voz de xAI, la transcripción más barata del catálogo. Anonimizado.

Anonimizado Low cost
Última versiónGrok Speech to Text (1.0)17 de abril de 2026
Artificial Analysis word error rate4 %Puesto 2 de 4 en Artificial Analysis word error rate
Precio0,048 $ por hora de audioxAI Speech to Text v1
Dato claveMás de 25 idiomas

Qué lo distingue

La conversión de voz a texto de xAI es la más barata del catálogo, a 0,10 $ por hora en lote. Cubre más de 25 idiomas, identifica a los interlocutores, maneja audio multicanal y da formato a números y entidades. La versión 2.0 reduce aproximadamente a la mitad su tasa de error.

  • 0,10 $ por hora en lote, según xAI
  • Más de 25 idiomas, identificación de interlocutores, multicanal
  • Da formato a números, monedas y correos

Recomendado para: transcribir reuniones y dictados.

Puntos fuertes y límites

Dónde brilla

  • El precio por minuto más bajo de aquí
  • Más de 25 idiomas, según xAI

Piénsalo dos veces si

  • Anonimizado, no privado: se aplica la política de conservación de xAI
  • Más reciente y menos probado que Parakeet o Whisper
  • Más de 25 idiomas

Casos de uso

Transcribir una llamada con nombres e importes

Transcribe esta llamada de cliente en dos canales, da formato a los importes y las direcciones de correo, e indica quién es el agente y quién el cliente.

Maneja audio multicanal y el formato de entidades, según xAI.

Transcribir un archivo grande con poco presupuesto

Transcribe estas 40 clases grabadas como texto plano, un archivo por clase.

El precio por hora es el más bajo de aquí.

Frente a sus rivales

  • ScribeScribe cubre más de 90 idiomas y etiquetas de sonido, a un precio más alto.Puesto 1 de 4 en Artificial Analysis word error rate ( 2,2 %)
  • WhisperWhisper es privado, abierto y cubre 99 idiomas.Puesto 3 de 4 en Artificial Analysis word error rate ( 4,1 %)
  • ParakeetParakeet es privado e igual de barato, para 25 idiomas europeos.
Comparar lado a lado ↗

Historial de versiones

Cada versión, con su fecha y lo que cambió respecto a la anterior.

Artificial Analysis word error rate, versión tras versiónMás bajo es mejor · Artificial Analysis

Los puntos huecos son versiones anteriores que Sub Rosa ya no ofrece.

Ver las cifras
VersiónLanzamiento%
Grok Speech to Text (1.0)2026-04-174 %
Grok Voice Transcribe 2.02026-09-182,3 %
  1. Grok Speech to Text (1.0)La más reciente
    • API independiente de voz a texto, por lotes y en streaming, con identificación de interlocutores, marcas de tiempo y audio multicanal
    • Normalización inversa del texto para números, monedas y direcciones de correo
    Fuente : x.ai
  2. Grok Voice Transcribe 2.0Anterior, fuera de Sub Rosa
    • El doble de preciso que 1.0 al mismo precio, según xAI
    • Tasa de error multilingüe en frases cortas reducida del 20,6 % al 6,8 % en 19 idiomas
    Fuente : x.ai

Benchmarks

Cómo leer estas puntuaciones: lo que te dice un benchmark.

Artificial Analysis word error rate: puesto 2 de 4 modelos medidos en el catálogo. La proporción de palabras que una transcripción hace mal (omitidas, añadidas o cambiadas) en un conjunto variado de grabaciones reales. Más bajo es mejor. Con un 5 %, una palabra de cada veinte necesita corrección; por debajo del 3 %, una transcripción se lee casi limpia.

Artificial Analysis word error rateMás bajo es mejor · Artificial Analysis, 4 de octubre de 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 %
Ver las cifras
Modelo%
1. ElevenLabs Scribe V22,2 %
2. xAI Speech to Text v14 %
3. Whisper Large V34,1 %
4. Wizper (Whisper v3)4,7 %

Anunciado por el fabricante

Medidas por el fabricante con su propia configuración: útiles, pero no directamente comparables con las puntuaciones independientes de arriba.

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

El modelo de esta familia

ModeloUsoPrivacidadPrecio
xAI Speech to Text v1stt-xai-v1TranscripciónAnonimizado0,048 $ por hora de audio

Especificaciones

EspecificaciónGrok Speech to Text 1.0
Lanzamiento17 de abril de 2026
PesosCerrados
Aceptaaudio
Producetext
IdiomasMás de 25 idiomas
Precio0,048 $ por hora de audio
PrivacidadAnonimizado

Precios, contexto y duraciones del catálogo en vivo el 16 de octubre de 2026; parámetros y licencias según el fabricante.

Fuentes

Todo lo que hay en esta página viene de estas páginas, leídas el 16 de octubre de 2026 o en la fecha indicada en cada puntuación.

Mostrar las 4 fuentes
Más sobre xAI Speech to Text ↗