xAI が公式に Grok Voice Think Fast 2.0 を発表しました。これは同社の次世代音声モデルであり、より高い知能、文字起こし精度、対話能力を備えています。
Grok Voice Think Fast 2.0 の知能向上
公式情報によると、Grok Voice Think Fast 2.0 は現在最も知能の高い音声モデルであり、前身モデルと比較して音声推論、対話能力、ツール使用の信頼性において大幅な向上を遂げています。公式は、このモデルが複数の音声対音声ベンチマークテストで優れた性能を発揮し、総合的な音声品質指数が 82.9% に達し、Grok Voice Think Fast 1.0 の 75.7% と比較して明確な改善が見られると指摘しています。
「Grok Voice Think Fast 2.0 は我々の最も知能の高い音声モデルであり、前バージョンを基盤として構築され、音声推論と対話能力において重要な進歩を遂げました。」
xAI
文字起こし精度が大幅に向上
Grok Voice Think Fast 2.0 は、文字起こし精度において専用の最先端文字起こしモデルを上回りました。評価によると、このモデルは 24 言語のフレーズ文字起こしにおいて、Deepgram Nova 3 および ElevenLabs Scribe v2 と比較して精度がそれぞれ 1.5 倍から 2.0 倍向上し、騒音環境下での性能差は約 10 倍に拡大しています。
対話能力の最適化
Grok Voice Think Fast 2.0 は、大規模な強化学習訓練を通じて対話能力を向上させました。このモデルはユーザーとの対話において、より短い文を使用し、一度に一つの質問のみを行い、冗長な表現を避けることで、全体的な対話プロセスをよりスムーズにしています。
「Grok Voice Think Fast 2.0 の対話パターンは実際の人間のコミュニケーションにより近く、複雑なワークフローにおいて対話を導くことができることが分かりました。」
xAI
アップグレードと価格情報
Grok Voice Think Fast 2.0 は、ほぼすべてのユースケースにおいて性能向上が見込まれ、既存のプロンプトを編集する必要はありません。公式によると、このモデルの価格は音声 1 分あたり 0.08 ドル（約 0.62 香港ドル）で、2026 年 8 月 5 日に自動的に新バージョンへアップグレードされます。
情報源：xAI 公式発表