SpaceXAI推Grok Voice Think Fast 2.0語音模型 綜合評分力壓OpenAI及Google

SpaceXAI近日宣佈推出其最新語音模型Grok Voice Think Fast 2.0，聲稱在人工智能（AI）語音推理、對話能力及整體可靠性方面均有顯著提升，並形容該模型為迄今為止最為智能的語音模型。 該公司表示，Grok Voice Think Fast 2.0在準確率評估中展現出卓越表現。其對24種不同語言的數千個短語進行評估，結果顯示，相較於Deepgram Nova 3及ElevenLabs Scribe v2，Grok Voice Think Fast 2.0的準確率提高了1.5至2倍；而與其前代Grok Voice Think Fast 1.0相比，準確率亦提升了1.4倍。值得留意的是，在嘈雜的環境下，Grok Voice Think Fast 2.0與專用語音轉文字模型之間的準確率差距可擴大至約10倍，突顯其在複雜聲學環境下的處理能力。 在推理效率方面，Grok Voice Think Fast 2.0引入了語音並行推理方式，即能夠在説話的同時進行查詢推理。SpaceXAI指出，這種創新機制使得該模型較其他語音到語音模型更為智能，且在實時應用中不會影響延遲表現。 市場對SpaceXAI新模型的表現給予高度關注。數據顯示，Grok Voice Think Fast 2.0的綜合得分達到82.9%，不僅超越了前代Grok Voice Think Fast 1.0的75.7%，更領先於OpenAI的GPT-Realtime-2.1（79.1%）及Google(谷歌)的Gemini3.1 Flash（69.5%）。此外，在Agentic表現評分上，Grok Voice Think Fast 2.0亦取得56.5%的成績，高於其前代（52.1%），以及GPT-Realtime-2.1（45.7%）和Gemini3.1 Flash（37.7%）。 Grok Voice Think Fast 2.0的定價為每分鐘音訊0.08美元，摺合約0.624港元。