xAIは公式にGrok Voice 3.0を発表し、これを世界で最もスマートな音声から音声へのモデルと称した。このモデルは顧客サポートの電話において新記録を樹立し、遅延時間は1秒未満、コストは他の先進モデルよりも低い。Grok Voiceは毎日数百万の対話をサポートし、APIで提供されており、価格はその前身であるGrok Voice 2.0と同じである。
Grok Voice 3.0が最高の精度評価を獲得
Artificial Analysisの独立したテストによると、Grok Voice 3.0は音声から音声への指数で1位にランクインし、得点は86.9であった。この指数は音声推論、τ-Voice、盲検テストにおける好みとタスク成功率を総合的に評価したものである。Grok Voice 3.0はFull Duplex Benchで97%の得点を記録しており、これはその処理の自然さを測る指標である。
「Grok Voice 3.0はEVA-Benchで新たなPareto前線を設定しました。これはServiceNowのオープンソース基準であり、音声エージェントの精度と顧客体験に関する評価を行っています。」
xAI
Grok Voice 3.0のTeslaおよびSpaceXでの広範な応用
Grok Voice 3.0は毎日Tesla車両内で数百万の対話を処理している。ドライバーはConnectorsを使用してカレンダーの確認やメールの返信などの簡単なリクエストを行うことができ、さらにGrok Botを使用してコーヒーの注文やディナーの予約といった大きなタスクを処理することができる。これらの操作はすべて完全に手動なしで実行可能である。Starlinkのコールセンターでは毎日20,000件の顧客電話にGrok Voiceを使用して応答しており、その約70%の問題は人間の介入なしで解決されている。
Grok Voice 3.0の価格および利用可能性
Grok Voice 3.0は現在Voice Agent APIで提供されており、価格は1分あたり0.08ドル（約0.62香港ドル）で、Grok Voice 2.0と同じである。`grok-voice-latest`を使用しているエージェントは自動的に切り替わっており、変更は不要である。
資料出所：xAI公式発表