Công ty SpaceXAI thuộc Elon Musk hôm qua (ngày 29/7) ra mắt Grok Voice Think Fast 2.0, mô hình AI speech-to-speech (giọng nói sang giọng nói) mạnh nhất và thông minh nhất của hãng.
Về giá, mô hình này có phí 0.08 USD mỗi phút âm thanh (ghi chú: theo tỷ giá hiện tại khoảng 0.54 nhân dân tệ). Hãng dự kiến sẽ nâng cấp mô hình grok-voice-latest vào ngày 5/8, từ grok-voice-think-fast-1.0 lên grok-voice-think-fast-2.0.
Mô hình này tập trung nâng cao suy luận giọng nói, độ chính xác phiên âm, khả năng hội thoại và độ tin cậy khi gọi công cụ. Theo dữ liệu benchmark speech-to-speech do Artificial Analysis công bố, AA Speech-to-Speech Quality Index của mô hình mới đạt 82.9%, cao hơn 7.2 điểm phần trăm so với 75.7% của Grok Voice Think Fast 1.0.
SpaceXAI cho biết mô hình có thể hoàn thành suy luận đồng thời khi đang nói, không cần đánh đổi thêm độ trễ để có khả năng suy luận. Hãng cũng cho biết phiên bản mới giảm số token suy luận cần cho mỗi phản hồi; trong môi trường production, việc gọi công cụ thường hoàn tất trước khi agent nói xong câu thứ 1.
Trong đánh giá nội bộ phủ hàng nghìn cụm từ, 24 ngôn ngữ, xAI cho biết hiệu suất phiên âm của Grok Voice Think Fast 2.0 cao hơn Deepgram Nova 3 và ElevenLabs Scribe v2 từ 1.5~2.0 lần, và cao hơn bản 1.0 khoảng 1.4 lần. Trong các tình huống có nhiễu nền rõ rệt và nén thoại, xAI cho biết khoảng cách so với các mô hình speech-to-text chuyên dụng có thể lên tới khoảng 10 lần.