xAI 推出新一代語音模型 Grok Voice Think Fast 2.0，具有更高的智慧性、轉錄準確性和對話能力，定價為每分鐘音訊 0.08 美元。
在準確率方面，Grok Voice Think Fast 2.0 甚至超越了目前最先進的專用轉錄模式，xAI 對 24 種不同語言的數千個短語進行了評估，結果表明，與 Deepgram Nova 3 和 ElevenLabs Scribe v2 相比，其準確率提高了 1.5 到 2.0 倍；與 Grok Voice Think Fast 1.0 相比，準確率提高了 1.4 倍。
透過大量運用強化學習，使模型逐漸適應真實人類對話的模式，該模型能夠使用更短的句子，一次只問一個問題，並且避免冗餘資訊。從使用者的角度來看，與智能體的對話簡單流暢，儘管模型經常在後台引導對話完成複雜的流程，並預先思考多個步驟。
https://x.ai/news/grok-voice-think-fast-2
Picture Source
xAI
留言
張貼留言