Grok Voice répond en 0,70 seconde et accélère la bataille des IA vocales
Pour un assistant téléphonique, une seconde d’attente change l’expérience. Les nouveaux modèles cherchent désormais à réduire ce silence au minimum.
xAI a basculé le 5 août son alias grok-voice-latest vers Grok Voice Think Fast 2.0, un modèle conçu pour converser directement en audio tout en utilisant des outils. Selon les mesures publiées par xAI à partir d’Artificial Analysis, son temps avant le premier son tombe à 0,70 seconde contre 1,25 seconde pour la génération précédente. Le modèle réduit également fortement la quantité de tokens consacrée au raisonnement tout en pouvant réfléchir pendant qu’il parle, afin de déclencher plus rapidement certains appels d’outils. xAI facture cette API 0,08 dollar par minute d’audio. La transcription évolue en parallèle : OpenRouter référence depuis le 5 août un modèle baptisé GPT Transcribe, attribué à OpenAI, à 0,0045 dollar par minute, soit environ 0,27 dollar par heure. Ce dernier tarif doit cependant être lu comme un prix proposé par la marketplace OpenRouter et non comme une annonce tarifaire officielle d’OpenAI. La tendance commune est claire : pour les assistants téléphoniques, centres de support et interfaces vocales, la compétition se déplace vers trois métriques très concrètes : qualité, latence et coût à la minute.
Pourquoi c’est important
La voix est particulièrement sensible aux petites latences : une réponse excellente mais trop lente donne rapidement l’impression d’une conversation artificielle. Les progrès sur la vitesse et le coût rendent les assistants téléphoniques et vocaux plus crédibles pour le support, la réservation ou la vente. Ils imposent aussi davantage de tests en conditions réelles, car les benchmarks ne reproduisent pas parfaitement le bruit, les accents et les interruptions d’une vraie conversation.
En bref
- •Grok Voice Think Fast 2.0 est devenu l’alias latest le 5 août
- •Le premier audio arrive en moyenne après environ 0,70 seconde selon les chiffres publiés
- •xAI facture son modèle vocal 0,08 dollar par minute
- •OpenRouter référence GPT Transcribe à 0,0045 dollar par minute
- •Le prix OpenRouter ne constitue pas une annonce tarifaire officielle d’OpenAI
Chiffres clés
À retenir
- •Pour une interface vocale, mesurer la latence est aussi important que la qualité linguistique
- •Les alias latest peuvent changer automatiquement le modèle utilisé en production
- •Épingler une version évite une migration involontaire
- •Les tarifs d’une marketplace ne doivent pas être confondus avec ceux du fournisseur du modèle
- •Tester avec bruit, accents et appels téléphoniques réels avant de choisir une API
Source de l’article
xAI & OpenRouter