Dal 5 agosto 2026 chi usa la voce di Grok parla con un modello nuovo. xAI ha introdotto Grok Voice Think Fast 2.0, il suo più capace modello vocale speech-to-speech, e ha iniziato a instradare automaticamente l'alias grok-voice-latest su questa versione. Nello stesso aggiornamento, l'azienda di Elon Musk ha portato nell'API video a 1080p nativi e generazione testo-in-video, ampliando l'offerta multimediale della piattaforma.
Cosa migliora nella nuova voce
Rispetto alla generazione precedente, Grok Voice Think Fast 2.0 promette maggiore «intelligenza» nelle risposte, una trascrizione più accurata del parlato, un ragionamento più rapido e conversazioni più fluide, con meno pause e interruzioni. Il modello è di tipo speech-to-speech: elabora direttamente l'audio in ingresso e produce audio in uscita, senza passare per una fase intermedia di solo testo, il che riduce la latenza e mantiene sfumature come l'intonazione. È la stessa direzione presa da OpenAI e Google con i loro modelli vocali in tempo reale, dove la sfida non è solo capire cosa dice l'utente, ma rispondere abbastanza in fretta da sostenere un dialogo naturale.
Non solo voce: video 1080p e testo-in-video nell'API
L'aggiornamento tocca anche la generazione visiva. Nell'API di xAI sono ora attivi i riferimenti a immagini, la generazione testo-in-video e la risoluzione 1080p nativa, con quello che l'azienda indica come il suo miglior modello video, grok-imagine-video-1.5. Significa che gli sviluppatori possono chiedere alla piattaforma di produrre brevi clip a partire da una descrizione testuale o da immagini di riferimento, con una qualità adatta a usi più professionali rispetto alle bozze a bassa risoluzione. È un passo che avvicina Grok all'offerta di rivali specializzati nel video generativo come Runway, Luma e la cinese Seedance.
Dove si prova e come si accede
La nuova voce è pensata anzitutto per l'app di Grok e per l'assistente integrato in X, dove gli utenti dei piani a pagamento possono attivare la modalità vocale e conversare a voce. Per gli sviluppatori, l'accesso passa dall'API di xAI: usando l'alias grok-voice-latest le applicazioni ereditano automaticamente il modello più recente, mentre per il video si fa riferimento a grok-imagine-video-1.5. Come sempre con gli alias «latest», il vantaggio è l'aggiornamento automatico; lo svantaggio è che il comportamento può cambiare senza preavviso, quindi per gli usi in produzione conviene fissare la versione specifica quando disponibile.
Il quadro: xAI accelera i rilasci
L'aggiornamento vocale si inserisce in una fase di rilasci fitti per xAI, con nuove versioni del modello di punta Grok attese nelle settimane successive. La strategia di Musk è chiara: presidiare contemporaneamente testo, voce e video dentro un unico ecosistema, agganciato alla base utenti di X. Per il mercato, la conseguenza è una pressione competitiva crescente sui modelli vocali e video in tempo reale, un segmento dove la qualità percepita dipende tanto dalle capacità quanto dalla latenza. Per gli utenti italiani, il consiglio pratico è verificare la resa in lingua italiana prima di adottare la voce in contesti professionali: è sulle lingue diverse dall'inglese che questi sistemi mostrano ancora le differenze più nette.
Le informazioni derivano dalle note di rilascio e dalla documentazione di xAI, verificate con le ricostruzioni della stampa di settore.
