由xAI打造的生成式人工智能聊天机器人Grok迎来了一次里程碑式的更新，其功能全面升级，不仅新增了视觉处理能力，还实现了多语言音频处理以及语音模式下的实时搜索功能。这一更新标志着Grok在多模态AI领域的重大突破，为用户提供了更智能、更便捷的交互体验。

2024年4月，xAI曾宣布Grok-1.5 Vision（Grok-1.5V）具备处理文档、图表、截图和照片等视觉信息的能力，但该版本从未向公众开放。如今，Grok的视觉功能正式上线，用户可以通过上传图片，让Grok分析复杂视觉内容，能够真正“看到”周围的世界。

多语言音频处理功能方面，Grok通过集成“VoiceWave”扩展，能够支持145种以上语言的实时语音交互，包括英语、西班牙语、法语、汉语等，覆盖全球主要语种。

据悉，该功能已通过Chrome Web Store的扩展程序实现，用户可通过简单的语音指令激活并自定义交互设置。

一直以来，Grok都在稳步增加新功能。本月，xAI为Grok添加了“记忆”组件，让机器人能够从过去的对话中提取详细信息。Grok还新增了一个类似画布的工具，用于创建文档和应用程序。