xAI、音声モデルGrok Voice 2.0を発表
これまでの経緯
Grok Voice 2.0は、推論、文字起こし精度、会話能力を強化した次世代の音声モデルである。Artificial AnalysisのSpeech-to-Speech指標では、Big Bench Audioが97.2%、τ-voice Benchが56.5%、Time to First Audioが0.70sだった。Full Duplex Benchは95.1%で、GPT-Realtime-2.1 (High)の95.7%をわずかに下回る。 文字起こしについては、24言語の短いフレーズ数千件で評価したとしている。Deepgram Nova 3とElevenLabs Scribe v2に対して1.5〜2.0倍、Grok Voice 1.0に対して1.4倍の改善で、騒音下では専用の音声認識モデルとの差が約10倍に広がるという。背景ノイズや電話回線の圧縮を想定した実環境での性能を重視したと説明している。 Grok Voiceのモデルは話しながら推論する特徴を持つ。2.0は推論トークンの効率が高く、1応答あたりの相対的な推論トークン量（P50）は1.0に対して0.4倍である。本番環境ではツール呼び出しがエージェントの最初の一文の終わる前に実行されることが多いという。強化学習により、文を短くし、質問は一度に一つにして、余計な言葉を避ける会話パターンに寄せたとしている。 移行は既存のプロンプトを変更せずにほぼ全ユースケースで性能向上が見込まれるとされる。Starlinkでの A/Bテストでは、販売のコンバージョン率とサポート完結率が大きく上昇した。2026年8月5日にgrok-voice-latestがGrok Voice 1.0からGrok Voice 2.0（grok-voice-2.0）へ移るが、アップグレードのための作業は不要である。
xAI Newsより
報道タイムライン
報道を追って、ストーリーのさまざまな側面を確認しましょう。
- xAI NewsxAI、音声対話モデルGrok Voice 2.0を発表
xAIは音声から音声へのモデルGrok Voice 2.0を発表した。Artificial Analysisの総合指標は82.9%で、Grok Voice 1.0の75.7%、GPT-Realtime-2.1 (High)の79.1%を上回る。料金は音声1分あたり$0.08で、2026年8月5日にgrok-voice-latestが2.0へ切り替わる。
このニュースの注目度の推移
現在の注目度 6·比較可能なピーク 10（10月19日 10:00）·24時間の比較可能な増減 –
推移は、継続的かつ完全に観測できたアカウントのみを比較しているため、現在の注目度の数値より範囲が狭くなる場合があります。ポインターを動かすかグラフをタップすると、1時間ごとの注目度を確認できます。キーボードでは左右の矢印キーを使います。