Grok Voice Transcribe 2.0 對上 Muse Voice Transcribe：17 天的稱霸與四分之一秒

2026年9月1日，Meta 表示 Muse Voice Transcribe 在 Artificial Analysis 的串流語音辨識評測中，以 3.1% 的最終詞錯誤率拿下第一，而這項說法在十七天內無人挑戰。9月18日，SpaceXAI 推出 Grok Voice Transcribe 2.0，在同一榜單上以 2.7% 的成績取而代之。兩個模型，同一份排名，相隔十七天——而更有意思的比較並不是那 0.4 個百分點的準確率差距，因為 Meta 的模型在完成一句話的處理上仍快上約三倍：語音結束後 0.16 秒，對比 Grok Voice Transcribe 2.0 的 0.49 秒。Muse Voice Transcribe 是 Meta Superintelligence Labs 打造的即時音訊感知模型，用於在 Meta 自家產品內運行；在這些產品中，四分之一秒就是一個感覺隨時在場的助理，與一個感覺遲緩的助理之間的差別。Grok Voice Transcribe 2.0 則是一套轉錄 API，設計上供任何人呼叫，其價格讓批次處理變得可行。這兩個數字都是發表當天由廠商自行公布的，而兩者之中至今只有一個被獨立放上公開榜單。

排行榜現在實際上說的是什麼

AA-WER Streaming 排行榜是一項加權綜合指標——AA-AgentTalk 佔 50%、VoxPopuli 佔 25%、Earnings22 佔 25%，大約八小時、以代理型為主的英語音訊——而兩個模型都在其上受測，這正是讓它成為罕見的正面對決、且數字至少還可相互比較的原因。以下並列呈現，並納入廠商回報的數據：

• 最終轉錄準確度 — Grok Voice Transcribe 2.0 為 2.7% WER，相較於 Muse Voice Transcribe 的 3.1%

• 首次部分轉錄準確度 — 3.4% vs 3.6%

• 首次部分輸出時間 — 0.49 秒 vs 0.13 秒

• 語音結束後到最終逐字稿的時間 — 0.49 秒對比 0.16 秒

• 語者分段錯誤率 — 已納入，未公布數據，而 Meta 的評估平均值為 17.5%

請分開閱讀準確度列與延遲列，因為它們指向相反的方向，而兩者都成立。在準確度方面，這兩個模型在最終轉錄稿上相差不到 0.4 個百分點，在首次部分結果上相差 0.2 個百分點——這個差距小到只要任一公司推出下一個版本就可能逆轉，也小到任何理性的人都不應以此在兩者之間做選擇。在延遲方面，兩者則相去甚遠。Meta 的模型約在八分之一秒內回傳部分結果，並在約六分之一秒內產生最終結果，而 SpaceXAI 的模型在這兩者上都約需半秒。

這就是整個比較，用一句話概括：Grok Voice Transcribe 2.0 用延遲換取準確度，而 Muse Voice Transcribe 則反其道而行。SpaceXAI 將其首次部分結果錯誤率從 1.0 版的 18.3% 降到 2.0 版的 3.4%，而代價是在同一項指標上從 0.25 秒增加到 0.49 秒。Meta 的模型則是往另一個方向設計，採用 80 毫秒的音訊區塊，以及一套經強化學習訓練的自適應延遲，用來決定在確定文字之前要等待多久——這個機制的全部目的，就是在保持準確度的同時，讓確定文字的過程維持快速。這兩種選擇都不是錯誤。它們是對不同問題的不同答案。

你在問哪個問題

如果轉錄結果要餵給必須在對話停頓內回應的語音代理，0.16 秒和 0.49 秒就是不同的產品。人類輪流發話可容忍幾百毫秒的間隔，之後互動才會開始讓人覺得不對勁，而延遲預算是共享的——先轉錄，再推理，然後語音合成。一個能在六分之一秒內交回最終轉錄的模型，會為管線其餘部分留下空間；一個要花半秒的模型，則在模型還沒思考任何事之前就耗掉大部分預算。那正是 Meta 所打造的目標，也是為什麼這個模型在 Mac 上的 Meta AI 裡、以及 Muse Code 裡運行，而不是主要作為他人管線的端點來提供。

如果逐字稿是一份文件——通話錄音、會議、影片庫、合規封存——那麼半秒根本不算什麼，準確度的落差也依然不算什麼，唯一重要的數字是一小時的音訊要花多少錢。而這正是這兩者急遽分歧的地方，而且分歧的方向，會讓只看串流費率的人大吃一驚。

批次價格只要一半，串流則貴一成

Meta 將 Muse Voice Transcribe 定價為每小時音訊 $0.18，或每 1,000 分鐘 $3.00。Grok Voice Transcribe 2.0 的定價為批次每小時 $0.10，串流每小時 $0.20。所以：

• 串流 — Grok Voice Transcribe 2.0 每小時 $0.20，對比 Muse Voice Transcribe 每小時 $0.18，所以 Meta 大約便宜 10%

• 批次或錄製 — 每小時 $0.10 對比 $0.18，因此 SpaceXAI 便宜 44%

• 已包含在定價中——在 SpaceXAI 方面包含說話者分離、帶有置信度的詞時間戳、關鍵詞偏置和反向文本正規化，而 Meta 方面則包含串流轉錄、說話者分離和端點檢測作為一個模型

• 免費方案或自架——兩者皆非

只做串流的團隊，在價格上應該對兩者無差別，並依延遲來選擇，也就是選 Meta。任何有可觀錄音量的團隊，都該看批次計價那一列，因為每小時 0.08 美元會不斷累積：每月 5,000 小時，一個是 500 美元，另一個是 900 美元，而兩者的準確度差距，比任一個數字四捨五入的誤差還小。

授權情況在要緊的地方完全相同，在無關緊要的地方則有所不同。兩者都是封閉權重——Muse Voice Transcribe 是專有軟體，僅能透過 Meta 代管的 API 取得；Grok Voice Transcribe 2.0 則是商業 API，不提供下載。如果你的要求是音訊絕不離開你所掌控的基礎設施，那麼這兩者都不是選項；而且兩者都會讓你暴露在供應商於你腳下變更價格、模型版本或淘汰時程的風險之中。這是真實存在的考量，而非假設性的問題：Grok Voice Transcribe 1.0 在其後繼版本推出後不到兩週，就已經走上淘汰之路。

講者分段（Diarization），而這是兩者都沒拿來主打的特色功能

這兩個模型都在單次執行中完成語者歸屬，而這在兩年前還是事後才黏上去的獨立系統；這裡的比較格外具體，因為 Meta 公布了一個數字，而 SpaceXAI 並沒有。

Meta 回報其評估中的平均說話者分離錯誤率為 17.5%，可在未經後處理的情況下處理 20 位以上的說話者，而且是在串流模型內處理，而非作為下游步驟——「誰說了什麼」會隨著文字一起出現，而不是在文字之後才出現。這在串流情境中確實非常困難，因為說話者的發言輪次唯有在你已聽得足夠多之後才能辨識出來；而 17.5% 是個真實的數字，卻也附帶一項真實的但書：那是 Meta 自家的數字，且是在 Meta 自行選擇的評估集上平均得出的。

SpaceXAI 的模型內含免額外收費的語者分離（diarization），並且也在單一請求中支援最多八個獨立音訊聲道，這是解決同一問題的另一種方式——如果你的音訊是以每位參與者各自獨立的聲道送達（聯絡中心電話系統經常如此），聲道分離會比語者分離更可靠，而且完全不需要錯誤率。如果你的音訊是以單一混合串流送達，你就得仰賴語者分離的品質，而這兩家供應商中只有一家告訴過你那個品質是多少。

值得注意的一個次級差異：Muse Voice Transcribe 把語者分離、轉錄與端點偵測視為單一模型、產生單一輸出，這意味著這些元件無法各自獨立失效。Grok Voice Transcribe 2.0 則讓你將聲道、關鍵詞與語者分離當作各自獨立的槓桿來操作。單一模型跑起來更簡單，除錯卻更困難。

語言，以及兩份模型卡不再能互相比較之處

Meta 以超過 70 種語言訓練 Muse Voice Transcribe，並在推出時大規模驗證了其中 25 種，具備句子內部與句子之間的母語級語碼轉換能力，並支援長度超過一小時的音訊。Grok Voice Transcribe 2.0 可自動偵測語言，並在錄音過程中切換語言，同時套用反向文字正規化——將口語的日期、貨幣、電話號碼和電子郵件地址轉換為書寫形式——涵蓋 25 種語言。

重疊的部分，一邊是 25 種經過廣泛驗證的語言，另一邊是 25 種正規化語言，而這兩個集合並不是同樣的那 25 種，且兩家供應商都沒有公布這份清單。「訓練了 70 多種語言」和「支援 25 種語言的格式化」並不是可互相比較的宣稱，不應該互相扣減。可以這麼說：Meta 提出的是更廣泛的多語言宣稱，而 SpaceXAI 提出的則是範圍較窄但更具操作性的一項：偵測語言只是基本門檻，而把模型聽到的內容格式化為下游系統能解析的形式，才是缺少時會破壞整合的那一環。

這個選擇，以及它可能不由你來做的原因

剝去行銷話術，這個決定歸結起來只有三句話。如果逐字稿是在對話中即時使用的，就選 Muse Voice Transcribe，因為 0.16 秒絕不是枝微末節。如果你有大量錄音檔要處理，就選 Grok Voice Transcribe 2.0，因為批次價格只要一半，這同樣不是小事。如果你兩種極端需求都沒有，就依其他限制條件來決定——地區、合約、既有的系統整合——因為準確度上的差異並不足以定奪。

麻煩的是，這兩款模型之一其實並不是一般意義上的販售。Muse Voice Transcribe 的存在，是為了讓 Meta 自家的助理感覺起來很快，而它能透過 Meta Model API 提供，主要是因為 Meta 認為曝光所帶來的生態系價值高於獨家專屬的價值。這可能改變，而且可能改變得很快：Meta 在同一週把 Muse 的連接器平台開放給第三方開發者，這是一家公司正在投資自己的通路，而不是在當一個對所有人保持中立的供應商。在生產環境中依賴競爭對手的內部模型，等於是在賭條件不會改變，而這種賭注在歷史上紀錄很差。

這種不對稱性，正是為何不該把其中任何一個寫死的理由。OrcaRouter 透過單一相容 OpenAI 的金鑰提供 200+ 個模型，具備跨供應商的自動容錯移轉，且對供應商標價加價 0%——因此當 SpaceXAI 把預設值切換到 2.0 並棄用 1.0，或當 Meta 重新定位其語音 API 時，這項變動只是改一個模型字串，而非一項遷移專案。對於一個領導者三週內兩度易主的類別而言，路由層是技術堆疊中應該保持穩定的部分，而模型則是那個不該穩定的部分。

未來一個月值得留意的一件事：既然 Grok Voice Transcribe 2.0 已取代 Muse Voice Transcribe，Artificial Analysis 是否會在串流排行榜上重新測量 Muse Voice Transcribe。Meta 的 3.1% 與 SpaceXAI 的 2.7% 都是在推出時公布的，但只有 SpaceXAI 的數字被獨立列入。如果 Meta 的數字在有人重跑時站得住腳，準確度差距就跟表面看起來一樣小，而延遲差距將決定一切。如果站不住腳，那十七天的稱霸就是故事的全貌。