xAI 发布 grok-voice-think-fast-1.0 语音模型，经 API 开放

今天，我们很高兴地宣布 xAI 的语音代理能力实现重大飞跃：推出 grok-voice-think-fast-1.0 —— 我们全新的旗舰语音模型。

这款新模型擅长处理客户支持、销售和企业应用中复杂、模糊的多步骤工作流程。它尤其适合需要精确数据录入和大规模工具调用来满足用户请求的高风险场景。

为真实世界的复杂性而生

我们通过与 Starlink 等合作伙伴的紧密协作打造了 grok-voice-think-fast-1.0，将顶尖智能与低响应延迟和自然的对话能力相结合。

我们的模型优先保证快速响应和无与伦比的性价比，同时不在准确性或工具编排上妥协。最终打造的模型让团队能够自信地部署复杂的多轮语音体验，覆盖几乎所有可以想象的使用场景：客户支持、电话销售、预约、餐厅订位等等。

这款新模型登上了 τ-voice Bench 排行榜的榜首，该榜单在包括噪音、口音、打断和话轮转换等现实条件下评估全双工语音代理。在此查看基准测试详情。

Grok Voice Think Fast 1.0

Grok Voice Fast 1.0

Gemini 3.1 Flash Live

GPT Realtime 1.5

该模型在最严苛的真实世界条件下经过了实战检验：电话音频、背景噪音、浓重口音和频繁打断。它原生支持 25 种以上的语言，是全球化部署的理想之选。

收集和确认用户信息对许多工作流程至关重要。Grok Voice 能够无缝收集电子邮件地址、街道地址、电话号码、全名、账号和其他结构化数据——即使信息说得很快或带有浓重口音也不在话下。它能优雅地处理语音中的不流畅之处，并像人一样接受自然的更正。

处理用户输入

模型处理口头更正并提取出目标地址。

调用自定义工具

使用更正后的查询参数调用地址查询工具。

确认结果

读回包含位置信息的规范化地址，供用户确认。

Grok Voice Think Fast 在后台执行推理，使其能够实时思考具有挑战性的查询和工作流程，而不影响响应延迟。这让它既能给出智能的回答，又保留了自然对话所需的灵活敏捷。

语音模型常常会给出听起来自信、合理但实际上完全错误的答案。我们构建的 grok-voice-think-fast-1.0 会在回答之前对边缘情况进行推理，从而发现其他模型容易犯的明显错误。

提示词

一年中有哪几个月的拼写包含字母 X？

grok-voice-think-fast-1.0

没有任何一个月的拼写包含字母 X。你可以逐一检查，但 X 不会出现在任何月份名称中。

其他模型

只有一个月份的拼写包含字母 X。那就是二月。

Grok Voice 为 Starlink 在 +1 (888) GO STARLINK 的电话销售和客户支持体验提供支持。这需要支持多种语言，通过客户支持场景为用户提供帮助，并通过销售完成新客户的入驻：