Grok Voice 2.0 上线，语音对话推理升级

xAI 的 Grok Voice Think Fast 2.0 现已在 AI Gateway 上可用。它是一个语音转语音模型，接收音频输入并输出音频，相比之前的 Grok Voice 模型在推理能力、转录准确性和对话质量上有了改进。

该模型采用并行推理，可以在说话的同时对查询进行思考，而无需增加延迟。它还经过优化，使用比以前更少的推理 token，因此工具调用会更快地触发，通常在 agent 的第一句话还未说完时就已触发。在包括背景噪音和电话压缩等真实环境条件下，转录性能依然保持稳定。

通过 AI SDK 的 realtime API 来使用 xai/grok-voice-think-fast-2.0。在服务器端生成一个短期有效的 token，以确保你的 API key 永远不会到达客户端：

1import { gateway } from "@ai-sdk/gateway";2
3export async function POST() {4  const { token, url } = await gateway.experimental_realtime.getToken({5    model: "xai/grok-voice-think-fast-2.0",6  });7  return Response.json({ token, url, tools: [] });8}

查看 realtime 文档来构建一个使用 Grok Voice Think Fast 2.0 的语音 agent。在 AI Gateway 游乐场中试用该模型。