xAI 官方宣布推出 Grok Voice Think Fast 2.0，這是其下一代語音模型，具備更高的智能、轉錄準確性及對話能力。
Grok Voice Think Fast 2.0 的智能提升
根據官方資料，Grok Voice Think Fast 2.0 是目前最智能的語音模型，較其前身在語音推理、對話能力及工具使用可靠性方面都有顯著提升。官方指出，這款模型在多項語音對語音的基準測試中表現優異，整體的語音質量指數達到 82.9%，相比 Grok Voice Think Fast 1.0 的 75.7% 有明顯進步。
「Grok Voice Think Fast 2.0 是我們最智能的語音模型，建立在前一版本的基礎上，並在語音推理和對話能力上取得了重要進展。」
xAI
轉錄準確性顯著提高
Grok Voice Think Fast 2.0 在轉錄準確性方面超越了專用的頂尖轉錄模型。根據評估，該模型在 24 種不同語言的短語轉錄中，準確性較 Deepgram Nova 3 和 ElevenLabs Scribe v2 分別提高了 1.5 至 2.0 倍，並且在嘈雜環境中的表現差距擴大至約 10 倍。
對話能力的優化
Grok Voice Think Fast 2.0 透過大量的強化學習訓練，提升了其對話能力。該模型在與用戶的對話中，能夠使用更短的句子、一次只提出一個問題，並避免冗長的表達，使得整體對話過程更加流暢。
「我們發現，Grok Voice Think Fast 2.0 的對話模式更接近真實人類的交流，能夠在複雜的工作流程中引導對話。」
xAI
升級與定價資訊
Grok Voice Think Fast 2.0 預計將在幾乎所有使用案例中提升性能，並不需要對現有提示進行編輯。官方表示，該模型的定價為每分鐘音頻 0.08 美元（約 0.62 港元），並於 2026 年 8 月 5 日自動升級至新版本。
資料來源：xAI 官方公告
