xAI宣布推出Grok Voice Think Fast 2.0，这是一款下一代语音到语音模型，旨在增强智能、转录准确性和对话能力。该更新在先前版本的基础上，显著提升了语音推理、对话能力和工具使用的可靠性。

  • 在24种语言上，其准确率比Deepgram Nova 3和ElevenLabs Scribe v2等专用转录模型高出1.5–2.0倍。
  • 在存在背景噪音或电话压缩等嘈杂环境中，性能比竞争对手高出约10倍。
  • 能够在说话的同时并行处理查询，从而实现更快的工具调用，通常在执行代理的第一句话结束前即可完成。
  • 利用强化学习生成更简短的句子并一次只问一个问题，从而带来更简单流畅的用户交互体验。
  • 定价为每分钟音频0.08美元，grok-voice-latest将于2026年8月5日自动升级至2.0版本。

在Starlink上的A/B测试显示，销售转化率和支持留存率均有显著提升，表明在不修改提示词的情况下，该模型在各种应用场景中均表现出更优的性能。