SpaceXAI 发布 Grok Voice 3.0：号称全球最智能的语音模型，延迟低于 1 秒

AI 总结 • 10月15日，SpaceXAI正式发布Grok Voice 3.0，官方宣称其为全球智能水平最高的语音转语音模型，在Artificial Analysis综合榜单中以86.9分排名第一。 • 该模型拥有低于1秒的业界领先延迟，比GPT-Live-1（Astra）延迟降低40%，同时运行成本低于GPT-Live-1及GPT-Realtime-2.1，并在ServiceNow EVA基准测试中以74%得分位居最高精度。 • 在特斯拉和SpaceX的实际应用中，Grok Voice每天支撑数百万次对话，其中星链客服中心约70%的来电无需人工介入，单智能体即可完成身份核验、故障排查及退款等复杂任务。 • Grok Voice 3.0已通过API上线，定价与上一代保持一致，为每分钟0.08美元（约合每小时4.8美元），使用grok-voice-latest版本的智能体已自动升级无需改动。 【SpaceXAI 发布 Grok Voice 3.0】 IT之家 10 月 15 日消息，SpaceXAI 今日发布了 Grok Voice 3.0，官方称这是全球智能水平最高的语音转语音模型。 该模型在客服电话处理任务上创下新纪录，拥有业界领先的低于 1 秒延迟，运行成本也低于其他前沿模型。 Grok Voice 每天在特斯拉和 SpaceX 支撑数百万次对话，现已通过应用程序接口上线，定价与上一代产品保持一致。 【性能评测表现优异】 在 Artificial Analysis 的独立测试中，Grok Voice 3.0 在语音转语音综合榜单中排名第一，得分 86.9。 该榜单综合评估语音推理能力、τ-Voice 指标，以及盲测通话对比下的偏好度与任务完成率。 Grok Voice 3.0 在全双工基准测试中拿到 97% 的分数，这项指标用来衡量模型处理停顿、对话轮替和插话的自然程度。 【延迟与成本优势】 τ-Voice 用于评估智能体在客服通话场景下，应对各类口音、背景噪音以及中途插话的能力。 Grok Voice 3.0 得分为 71.6%，性能与 GPT-Live-1（Astra）相当，但延迟降低 40%，在智能体的智能水平与响应速度之间开辟了新的最优平衡点。 官方称，其运行成本也低于同级别模型。 Artificial Analysis 在大型音频基准测试中统计各模型完成任务的开销，Grok Voice 3.0 的成本低于 GPT-Live-1（Astra，中等版本）以及 GPT-Realtime-2.1。 在 ServiceNow 面向企业语音智能体的 EVA 基准测试中，Grok Voice 3.0 取得 74% 的最高精度得分，在综合精度与客户体验两项指标的联合评分里表现最优。 【实际应用场景】 官方称，Grok Voice 3.0 每天在特斯拉车辆内处理数百万次对话。 驾驶员可以通过 Connectors 完成查询日程、回复邮件这类简单指令，也能借助 Grok Bot 完 ...

该板块内容需要购买后才能完整浏览

立即购买