xAI объявила о выпуске Grok Voice Think Fast 2.0, голосовой модели следующего поколения для преобразования речи в речь, предназначенной для повышения интеллекта, точности транскрипции и возможностей диалога. Обновление опирается на предыдущую версию, внося значительные улучшения в речевое мышление, диалоговые способности и надежность использования инструментов.
- Превосходит специализированные модели транскрипции, такие как Deepgram Nova 3 и ElevenLabs Scribe v2, демонстрируя улучшение точности на 1.5–2.0× по 24 языкам.
- Демонстрирует примерно в 10 раз лучшие результаты по сравнению с конкурентами в зашумленных условиях, таких как фоновый шум или телекоммуникационное сжатие.
- Анализирует запросы параллельно с речью, что позволяет выполнять вызовы инструментов быстрее, часто до завершения первого предложения агента.
- Использует обучение с подкреплением для формирования более коротких предложений и задавания одного вопроса за раз, что упрощает и делает взаимодействие с пользователем более плавным.
- Стоимость составляет $0.08 за минуту аудио; grok-voice-latest автоматически обновится до версии 2.0 5 августа 2026 года.
A/B-тестирование на Starlink показало значительный рост конверсии продаж и уровня удержания обращений в поддержке, что указывает на улучшение результатов во всех сценариях использования без необходимости редактирования промптов.