Grok Voice 2.0
SpaceXSI · États-Unis
- Poids fermés (selon Artificial Analysis)
En bref : 3e sur 12 à l'indice voix à voix d'Artificial Analysis ; 9e sur 38 en raisonnement à l'écoute (Big Bench Audio) ; 12e sur 31 en tenue de la conversation (Full Duplex Bench) ; 7e sur 34 au délai avant le premier son.
Présentation
Deuxième génération du modèle parole à parole de SpaceXSI, qui raisonne en parlant, avec une meilleure transcription et des appels d'outils plus fiables que Grok Voice 1.0. Elle est dépréciée depuis la sortie de Grok Voice 3.0. Lu sur x.ai, docs.x.ai, le 23/10/2026.
- Sortie
- 29 juillet 2026 lu sur la page de l'éditeur
Langues
- Évaluées par nos sources : anglais.
- Le français : pas évalué en français par nos sources.
Ses 4 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Voix à voix
Indice voix à voix d'Artificial Analysis
3e sur 12indice sur 100 82,9
Coût mesuré : 4,80 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
- En anglais · Voix à voix
Raisonnement à l'écoute, Big Bench Audio
9e sur 38part de réussite 97,2 %
Coût mesuré : 4,80 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
- En anglais · Voix à voix
Tenue de la conversation, Full Duplex Bench
12e sur 31part de réussite 95,1 %
Coût mesuré : 4,80 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
- En anglais · Voix à voix
Délai avant le premier son
7e sur 34délai avant le premier son 0,70 s
Coût mesuré : 4,80 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
Modèles proches
- Indice voix à voix d'Artificial Analysis : devant, Qwen Audio 3.0 Realtime Plus (2e, 84,1) · derrière, GPT-Realtime-2.1 (4e, 79,1)
- Raisonnement à l'écoute, Big Bench Audio : devant, Step-Audio R1.1 (Realtime) (8e, 97,6 %) · derrière, Grok Voice 1.0 (10e, 97,1 %)
- Tenue de la conversation, Full Duplex Bench : devant, GPT-Realtime-2.1 (9e, 95,7 %) · derrière, Eleven Realtime v1 Max (13e, 94,1 %)
- Délai avant le premier son : devant, Gemini 2.5 Flash Native Audio Dialog (6e, 0,64 s) · derrière, Grok Voice Fast 1.0 (8e, 0,78 s)
Comment lire ces chiffres
Voix à voix : Un agent vocal écoute et répond de vive voix. Artificial Analysis le mesure sur plusieurs épreuves en anglais : son indice les résume sur 100, Big Bench Audio compte les bonnes réponses à des questions posées à l'oral, la tenue de la conversation compte les situations bien gérées (pauses, interruptions), plus c'est haut, mieux c'est ; le délai avant le premier son se lit à l'inverse, plus il est court, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis (voix à voix) :
Grok Voice 2.0 - Fiche
- Registre de QUELLE IA.
- Pages lues
- https://x.ai/news/grok-voice-think-fast-2 (« Jul 29, 2026 Introducing Grok Voice 2.0 Introducing our most capable speech-to-speech voice model. »), 23/10/2026
- https://x.ai/news/grok-voice-think-fast-2 (« Grok Voice 2.0 is our most intelligent voice model yet, building on its predecessor with meaningful gains in speech reasoning, conversational ability, and tool use reliability. »), 23/10/2026
- https://x.ai/news/grok-voice-think-fast-2 (« Grok Voice models have a unique characteristic: they reason through queries while speaking. »), 23/10/2026
- https://docs.x.ai/developers/release-notes.md (« `grok-voice-2.0` is deprecated. To upgrade, set `model` to `grok-voice-3.0` or `grok-voice-latest`, at the same price. »), 23/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, la voix à voix, ou cette fiche en texte.