xAI ra mắt mô hình AI giọng nói Grok Voice Think Fast 2.0
Công ty khởi nghiệp AI của Elon Musk, xAI, đã công bố Grok Voice Think Fast 2.0, mô hình AI chuyển đổi giọng nói sang giọng nói (speech-to-speech) tiên tiến nhất của mình. Mô hình mới này có mức giá 0,08 USD mỗi phút âm thanh và dự kiến sẽ thay thế phiên bản 1.0 vào ngày 5 tháng 8. Bản cập nhật này cải thiện khả năng tương tác giọng nói theo thời gian thực bằng cách thực hiện suy luận đồng thời với lời nói, giúp giảm đáng kể độ trễ và lượng token tiêu thụ. Đây là một bước tiến lớn trong thị trường AI giọng nói đầy cạnh tranh, vượt trội hơn nhiều mô hình chuyển âm chuyên dụng. Mô hình đạt điểm số 82,9% trên Chỉ số Chất lượng Speech-to-Speech của Artificial Analysis và hoàn thành các lượt gọi công cụ (tool call) trước khi trợ lý nói xong câu đầu tiên. Các thử nghiệm nội bộ cho thấy độ chính xác chuyển âm của nó tốt hơn từ 1,5 đến 2,0 lần so với Deepgram Nova 3 và ElevenLabs Scribe v2.
## KIẾN THỨC NỀN
Các mô hình AI speech-to-speech xử lý trực tiếp đầu vào bằng giọng nói và tạo ra đầu ra bằng giọng nói, loại bỏ độ trễ của các hệ thống xếp chồng truyền thống vốn phải chuyển giọng nói thành văn bản, xử lý văn bản rồi chuyển ngược lại thành giọng nói. xAI, được thành lập bởi Elon Musk, phát triển dòng mô hình AI Grok nhằm cạnh tranh với các đối thủ như OpenAI và Google.