xAI发布最强语音模型Grok Voice Think Fast 2.0

马斯克旗下 xAI 发布语音对语音模型 Grok Voice Think Fast 2.0,官方称其为迄今最强语音模型,主打推理与转录能力同步提升,并计划 8 月 5 日全面升级现有语音服务,值得关注语音交互赛道的最新竞争动态。

• 定价为每分钟音频 0.08 美元(约合人民币 0.54 元),8 月 5 日起 grok-voice-latest 模型将从 1.0 版本升级至 2.0 版本。
• 模型主打语音推理、转录准确性、对话能力与工具调用可靠性的综合提升;据 Artificial Analysis 基准测试,语音到语音质量指数从 75.7% 提升至 82.9%,提高 7.2 个百分点。
• xAI 强调模型可以边说话边完成推理,不需要额外增加延迟来换取推理能力,同时减少每次回复所需的推理 token 数量,工具调用往往在智能体说完第一句话前就已完成。
• 在覆盖数千条短语、24 种语言的内部评测中,转录表现较 Deepgram Nova 3、ElevenLabs Scribe v2 提升 1.5~2 倍,较自家 1.0 版本提升 1.4 倍;在背景噪声和电话压缩场景下,与专用语音转文字模型的差距最高可拉开约 10 倍。
• 看点:语音交互正从「能听懂」向「低延迟、强推理、强鲁棒性」的实用化阶段推进,xAI 用低延迟推理+低价定价组合发力,可能加剧语音助手赛道在成本和体验两端的竞争。

本内容由 AI 生成，仅供参考，请注意甄别