xAI ने Grok Voice Think Fast 2.0 की घोषणा की, जो एक अगली पीढ़ी का speech-to-speech voice मॉडल है जिसे बुद्धिमत्ता, प्रतिलिपिकरण सटीकता और संवादात्मक क्षमताओं को बढ़ाने के लिए डिज़ाइन किया गया है। यह अपडेट अपने पूर्ववर्ती पर निर्माण करता हुआ speech reasoning, संवादात्मक क्षमता और tool use विश्वसनीयता में महत्वपूर्ण लाभ पेश करता है।
- 24 भाषाओं में सटीकता में 1.5–2.0× सुधार के साथ Deepgram Nova 3 और ElevenLabs Scribe v2 जैसे समर्पित प्रतिलिपिकरण मॉडलों को पछाड़ता है।
- पृष्ठभूमि शोर या telephony compression वाले वातावरण जैसी शोर भरी स्थितियों में प्रतिस्पर्धियों की तुलना में लगभग 10× बेहतर प्रदर्शन प्राप्त करता है।
- बोलते हुए ही प्रश्नों पर तर्कशक्ति लगाता है, जिससे tool calls तेज़ी से होते हैं जो अक्सर एजेंट के पहले वाक्य समाप्त होने से पहले ही निष्पादित हो जाते हैं।
- छोटे वाक्य बनाने और एक समय में एक प्रश्न पूछने के लिए reinforcement learning का उपयोग करता है, जिससे सरल और अधिक प्रवाहमय user interactions मिलते हैं।
- ऑडियो के प्रति मिनट $0.08 पर मूल्य निर्धारित, जिसमें grok-voice-latest स्वचालित रूप से 5 अगस्त 2026 को version 2.0 में अपग्रेड हो जाएगा।
Starlink पर A/B testing ने बिक्री रूपांतरण दरों और support containment दरों में महत्वपूर्ण वृद्धि दिखाई, जिससे यह संकेत मिलता है कि prompt edits की आवश्यकता के बिना उपयोग मामलों में प्रदर्शन में सुधार हुआ है।