La société xAI d'Elon Musk a dévoilé « Grok Voice Think Fast 2.0 », son tout dernier modèle d'IA vocale conçu pour améliorer la transcription et les capacités conversationnelles plus intelligentes

xAI a dévoilé Grok Voice Think Fast 2.0, son tout dernier modèle d'IA vocale conçu pour offrir une précision de transcription améliorée et des capacités conversationnelles plus intelligentes. Cette nouvelle version marque une avancée significative par rapport aux versions précédentes, ainsi qu'aux produits concurrents. Selon xAI, Grok Voice Think Fast 2.0 offre une précision de transcription 1,5 à 2,0 fois supérieure à celle de Deepgram Nova 3 et d'ElevenLabs Scribe v2, et est 1,4 fois plus précis que sa version précédente. Outre une transcription améliorée, le modèle intègre une fonctionnalité de raisonnement parallèle pendant la conversation, lui permettant d'interpréter des requêtes complexes sans augmentation de la latence.

Grok est une série de grands modèles linguistiques basés sur l'intelligence artificielle générative, développée par SpaceXAI. Elle a été lancée en novembre 2023 par Elon Musk dans le cadre d'une initiative s'appuyant sur le grand modèle linguistique (LLM) du même nom. Grok dispose d'applications pour iOS et Android et est intégré au réseau social X ainsi qu'au robot Optimus de Tesla. Ce chatbot tire son nom du verbe « to grok », inventé par l'auteur américain de science-fiction Robert A. Heinlein pour désigner une forme de compréhension profonde et intuitive.

Dans le cadre de cette évolution, xAI a dévoilé Grok Voice Think Fast 2.0, son tout dernier modèle d’IA vocale conçu pour offrir une précision de transcription améliorée et des capacités conversationnelles plus intelligentes. Cette nouvelle version marque une avancée significative par rapport aux versions précédentes, ainsi qu’aux produits concurrents.

Selon xAI, Grok Voice Think Fast 2.0 offre une précision de transcription 1,5 à 2,0 fois supérieure à celle de Deepgram Nova 3 et d’ElevenLabs Scribe v2, et est 1,4 fois plus précis que sa version précédente sur les 24 langues évaluées et des milliers de phrases testées. L’avantage de ce modèle en termes de précision est multiplié par près de dix par rapport aux principaux systèmes de reconnaissance vocale dans des conditions difficiles, telles que la présence de bruit de fond ou la compression téléphonique.

Outre une transcription améliorée, Grok Voice Think Fast 2.0 intègre une fonctionnalité de raisonnement parallèle pendant la conversation. Cette capacité lui permet d’interpréter des requêtes complexes et de fournir des réponses intelligentes sans augmentation de la latence. Sur cette base, xAI a mis en œuvre un apprentissage par renforcement intensif afin que le modèle imite une conversation naturelle : il tend à produire des échanges plus courts et plus clairs, pose une seule question par tour de parole et maintient un dialogue direct. Ces améliorations sont conçues pour s'intégrer de manière transparente aux invites existantes, offrant ainsi une utilité accrue aux workflows d'IA vocale déjà en place sans nécessiter de modifications.

Voici l'annonce de xAI :

Présentation de Grok Voice Think Fast 2.0

Voici notre modèle de synthèse vocale « speech-to-speech » le plus performant. Nous annonçons le lancement de Grok Voice Think Fast 2.0, notre modèle vocal de nouvelle génération qui offre une intelligence, une précision de transcription et des capacités conversationnelles améliorées.

Intelligence

Grok Voice Think Fast 2.0 est notre modèle vocal le plus intelligent à ce jour. Il s’appuie sur son prédécesseur et apporte des progrès significatifs en matière de raisonnement vocal, de capacités conversationnelles et de fiabilité dans l’utilisation des outils.

Précision de la transcription

Grok Voice Think Fast 2.0 surpasse même les modèles de transcription spécialisés de pointe en termes de précision. Lors de notre évaluation portant sur des milliers de courtes phrases dans 24 langues différentes, nous avons démontré une amélioration de 1,5 à 2,0 fois par rapport à Deepgram Nova 3 et ElevenLabs Scribe v2, et une amélioration de 1,4 fois par rapport à Grok Voice Think Fast 1.0.

L'écart entre Grok Voice Think Fast 2.0 et les modèles spécialisés de reconnaissance vocale s'élargit jusqu'à environ 10 fois dans des environnements bruyants. Nous nous sommes attachés à faire en sorte que Grok Voice Think Fast 2.0 offre des performances exceptionnelles dans des conditions réelles, avec un bruit de fond important et une compression téléphonique.

Efficacité du raisonnement

Les modèles Grok Voice Think Fast présentent une caractéristique unique : ils effectuent leur raisonnement tout en parlant. Ce raisonnement en parallèle avec la parole rend le modèle nettement plus intelligent que les autres modèles de synthèse vocale, sans aucun impact sur la latence.

Grok Voice Think Fast 2.0 a été entraîné pour être très efficace en termes de tokens de raisonnement par rapport à son prédécesseur. En environnement de production, cela signifie que les appels à l'outil sont plus rapides, s'exécutant généralement avant la fin de la première phrase de l'agent.

Capacité conversationnelle

Nous avons entraîné Grok Voice Think Fast 2.0 pour qu’il soit plus à l’aise dans les conversations. En utilisant un apprentissage par renforcement intensif pour orienter le modèle vers les schémas que l’on observe dans les conversations humaines réelles, nous avons constaté que, de manière générale, le modèle s’exprime par des phrases plus courtes, pose une seule question à la fois et évite les propos superflus. Du point de vue de l'utilisateur, les conversations avec l'agent sont simples et fluides, même si, en coulisses, le modèle guide souvent la conversation à travers des workflows complexes et anticipe plusieurs étapes à l'avance.

Migration et tarification

Grok Voice Think Fast 2.0 devrait permettre d’améliorer les performances dans la quasi-totalité des cas d’utilisation, sans qu’il soit nécessaire de modifier les invites existantes. Lors des tests A/B menés sur ce modèle avec Starlink (+1 888 GO STARLINK), nous avons constaté une augmentation significative du taux de conversion des ventes et du taux de résolution des demandes d’assistance.

Source : xAI

Et vous ?

Pensez-vous que cette annonce est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

La société IA xAI d'Elon Musk lance « Custom Voices » pour le clonage vocal instantané dans les API de synthèse vocale et d'agents vocaux; le processus prend moins de deux minutes pour un modèle prêt à l'emploi

OpenAI publie une mise à jour majeure de l'application de bureau ChatGPT, qui introduit le mode « GPT Voice » pour effectuer des tâches par commandes vocales grâce à GPT-Live

Elon Musk et SpaceXAI lancent le « Build Mode » de Grok, un outil de vibe coding permettant de créer des applications, des sites web et des jeux à partir de consignes en langage naturel, sans avoir à coder

Vous avez lu gratuitement 38 articles depuis plus d'un an.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.