xAI อย่างเป็นทางการประกาศเปิดตัว Grok Voice Think Fast 2.0 ซึ่งเป็นโมเดลเสียงรุ่นต่อไป ที่มีความฉลาด สถิติการถอดเสียง และความสามารถในการสนทนาที่สูงขึ้น。
การเพิ่มขึ้นของความฉลาดของ Grok Voice Think Fast 2.0
ตามข้อมูลทางการ Grok Voice Think Fast 2.0 เป็นโมเดลเสียงที่ฉลาดที่สุดในปัจจุบัน ซึ่งมีการปรับปรุงอย่างมีนัยสำคัญด้านการให้เหตุผลทางเสียง ความสามารถในการสนทนา และความน่าเชื่อถือในการใช้เครื่องมือ เมื่อเทียบกับรุ่นก่อนหน้า ทางการระบุว่า โมเดลนี้แสดงผลงานยอดเยี่ยมในหลายเกณฑ์มาตรฐานการทดสอบเสียงต่อเสียง โดยดัชนีคุณภาพเสียงโดยรวมถึง 82.9% เพิ่มขึ้นอย่างชัดเจนจาก 75.7% ของ Grok Voice Think Fast 1.0
「Grok Voice Think Fast 2.0 เป็นโมเดลเสียงที่ฉลาดที่สุดของเรา สร้างขึ้นจากรุ่นก่อนหน้า และทำความก้าวหน้าสำคัญด้านการให้เหตุผลทางเสียงและความสามารถในการสนทนา」
xAI
ความแม่นยำในการถอดเสียงเพิ่มขึ้นอย่างมีนัยสำคัญ
Grok Voice Think Fast 2.0 เกินกว่ารุ่นโมเดลถอดเสียงเฉพาะทางชั้นนำในด้านความแม่นยำในการถอดเสียง ตามการประเมิน โมเดลนี้ในการถอดเสียงวลี 24 ภาษาที่แตกต่างกัน มีความแม่นยำสูงกว่า Deepgram Nova 3 และ ElevenLabs Scribe v2 ตามลำดับ 1.5 ถึง 2.0 เท่า และช่องว่างประสิทธิภาพในสภาพแวดล้อมที่มีเสียงรบกวนขยายใหญ่ถึงประมาณ 10 เท่า
การปรับปรุงความสามารถในการสนทนา
Grok Voice Think Fast 2.0 ผ่านการฝึกอบรมด้วยการเรียนรู้แบบเสริมสร้างปริมาณมาก เพิ่มประสิทธิภาพความสามารถในการสนทนา โมเดลนี้ในการสนทนากับผู้ใช้ สามารถใช้ประโยคสั้นกว่า ถามคำถามทีละข้อ และหลีกเลี่ยงการแสดงออกที่ยาวเหยียด ทำให้กระบวนการสนทนโดยรวมลื่นไหลมากขึ้น
「เราพบว่า รูปแบบการสนทนาของ Grok Voice Think Fast 2.0 ใกล้เคียงกับการสื่อสารของมนุษย์จริงมากขึ้น สามารถนำทางการสนทนาในขั้นตอนงานที่ซับซ้อนได้」
xAI
ข้อมูลการอัปเกรดและราคา
คาดว่า Grok Voice Think Fast 2.0 จะเพิ่มประสิทธิภาพในเกือบทุกกรณีการใช้งาน และไม่จำเป็นต้องแก้ไขพรอมป์ที่มีอยู่ ทางการระบุว่า ราคาของโมเดลนี้อยู่ที่ 0.08 ดอลลาร์สหรัฐต่อนาทีเสียง (ประมาณ 0.62 ดอลลาร์ฮ่องกง) และจะอัปเกรดอัตโนมัติเป็นรุ่นใหม่ในวันที่ 5 สิงหาคม 2026
แหล่งข้อมูล：ประกาศทางการของ xAI