Une voix Grok plus rapide, plus précise et mieux calibrée pour les agents

Grok Voice Think Fast 2.0 de xAI ramène le délai de réponse vocale à 0,70 seconde. Un gain de vitesse et de précision pour les agents en temps réel.

Pensé pour les interactions vocales en temps réel, Grok Voice Think Fast 2.0 améliore la compréhension de la parole, la fluidité des échanges et la fiabilité des actions déclenchées pendant une conversation. xAI indique que le modèle peut raisonner tout en parlant, ce qui lui permet de préparer ou d’exécuter certains appels d’outils avant même d’avoir terminé sa première phrase.

Sur l’indice Speech-to-Speech Quality d’Artificial Analysis, cette version obtient 82,9 %, contre 75,7 % pour la précédente, 79,1 % pour GPT-Realtime-2.1 et 69,5 % pour Gemini 3.1 Flash. Le délai avant le premier son passe également de 1,25 à 0,70 seconde.

La transcription progresse dans 24 langues, avec un effort particulier sur les environnements bruyants et les communications téléphoniques compressées. Selon les tests de xAI, le modèle serait entre 1,5 et 2 fois plus précis que Deepgram Nova 3 et ElevenLabs Scribe v2 sur les phrases évaluées. L’écart pourrait devenir bien plus important lorsque le bruit de fond dégrade fortement le signal.

Les réponses vocales ont aussi été raccourcies pour se rapprocher d’un échange naturel : une question à la fois, moins de détours et davantage de continuité dans les parcours complexes. La consommation médiane de tokens de raisonnement serait réduite de 60 % par rapport à Grok Voice Think Fast 1.0.

La référence `grok-voice-latest` basculera automatiquement vers cette version. Le tarif reste fixé à 0,08 dollar par minute audio.