Ilon Mask (Elon Musk)ga qarashli SpaceXAI kompaniyasi kecha (29-iyul) o‘zining funksional jihatdan eng kuchli va eng aqlli ovozdan ovozga (speech-to-speech) AI modeli Grok Voice Think Fast 2.0’ni taqdim etdi.
Narxiga kelsak, ushbu modelda bir daqiqalik audio narxi 0.08 dollarni tashkil etadi (izoh: joriy valyuta kursi bo‘yicha taxminan 0.54 yuan). Rasmiy rejalarga ko‘ra, 5-avgust kuni grok-voice-latest modeli grok-voice-think-fast-1.0 versiyasidan grok-voice-think-fast-2.0 versiyasiga yangilanadi.
Model ovozli fikrlash, transkripsiya aniqligi, muloqot qobiliyati va vositalarni chaqirish ishonchliligini yaxshilashga qaratilgan. Artificial Analysis e’lon qilgan ovozdan ovozga sinov ma’lumotlariga ko‘ra, yangi modelning AA Speech-to-Speech Quality Index ko‘rsatkichi 82.9% bo‘lib, Grok Voice Think Fast 1.0’dagi 75.7% ga nisbatan 7.2 foiz punktga yuqori.
SpaceXAI’ning ta’kidlashicha, model gapirish jarayonida bir vaqtning o‘zida fikrlay oladi va fikrlash qobiliyatiga ega bo‘lish uchun qo‘shimcha kechikish talab etilmaydi. Kompaniya yangi versiyada har bir javob uchun zarur bo‘lgan fikrlash Tokenlari soni kamaytirilganini ham bildirdi; ishlab chiqarish muhitida vositalarni chaqirish odatda agent birinchi jumlasini tugatishidan oldin yakunlanadi.
xAI minglab iboralar va 24 ta tilni qamrab olgan ichki baholashda Grok Voice Think Fast 2.0’ning transkripsiya ko‘rsatkichi Deepgram Nova 3 va ElevenLabs Scribe v2’nikidan 1.5~2.0 baravar, 1.0 versiyasidan esa 1.4 baravar yuqori ekanini ma’lum qildi. Kuchli fon shovqini va telefon orqali uzatishdagi siqilish mavjud bo‘lgan holatlarda xAI uning maxsus ovozni matnga aylantirish modellaridan ustunligi taxminan 10 baravargacha oshishi mumkinligini bildirdi.