xAI ได้ประกาศเปิดตัว Grok Voice 3.0 โดยระบุว่าเป็นโมเดลการแปลงเสียงเป็นเสียงที่ฉลาดที่สุดในโลก โมเดลนี้ได้สร้างสถิติใหม่ในการให้บริการลูกค้าทางโทรศัพท์ โดยมีเวลาล่าช้าต่ำกว่า 1 วินาที และมีต้นทุนต่ำกว่าโมเดลชั้นนำอื่นๆ Grok Voice รองรับการสนทนาหลายล้านครั้งในแต่ละวัน และได้มีการให้บริการใน API โดยมีราคาเท่ากับ Grok Voice 2.0
Grok Voice 3.0 ได้รับคะแนนความแม่นยำสูงสุด
ตามการทดสอบอิสระของ Artificial Analysis Grok Voice 3.0 ได้รับอันดับหนึ่งในดัชนีการแปลงเสียงเป็นเสียง โดยมีคะแนน 86.9 ดัชนีนี้รวมการวิเคราะห์เสียง, τ-Voice และการชอบในการทดสอบแบบบอดและอัตราความสำเร็จของภารกิจ Grok Voice 3.0 ได้คะแนน 97% ใน Full Duplex Bench ซึ่งเป็นตัวชี้วัดความเป็นธรรมชาติในการจัดการกับการหยุดชะงัก การสนทนา และการขัดจังหวะ
“Grok Voice 3.0 ได้ตั้งมาตรฐาน Pareto ใหม่ใน EVA-Bench ซึ่งเป็นเกณฑ์มาตรฐานแบบเปิดของ ServiceNow ที่ประเมินการทำงานของเสียงเอเจนต์ในด้านความแม่นยำและประสบการณ์ของลูกค้า”
xAI
Grok Voice 3.0 มีการใช้งานอย่างกว้างขวางใน Tesla และ SpaceX
Grok Voice 3.0 ประมวลผลการสนทนาหลายล้านครั้งในแต่ละวันภายในรถยนต์ Tesla ผู้ขับขี่สามารถใช้ Connectors เพื่อทำคำขอที่ง่าย เช่น ตรวจสอบปฏิทินหรือส่งอีเมลตอบกลับ และยังสามารถใช้ Grok Bot ในการจัดการงานที่ใหญ่ขึ้น เช่น สั่งกาแฟหรือจองอาหารค่ำ โดยทั้งหมดสามารถทำได้โดยไม่ต้องใช้มือเลย Starlink ศูนย์บริการลูกค้าใช้ Grok Voice ตอบสนองโทรศัพท์ลูกค้า 20,000 สายต่อวัน โดยประมาณ 70% ของปัญหาสามารถแก้ไขได้โดยไม่ต้องมีการแทรกแซงจากมนุษย์
ราคาและความพร้อมใช้งานของ Grok Voice 3.0
Grok Voice 3.0 พร้อมให้บริการใน Voice Agent API โดยมีราคาอยู่ที่ 0.08 ดอลลาร์สหรัฐฯ (ประมาณ 0.62 ดอลลาร์ฮ่องกง) ซึ่งราคาเท่ากับ Grok Voice 2.0 ตัวแทนที่ใช้ `grok-voice-latest` จะถูกเปลี่ยนโดยอัตโนมัติ โดยไม่ต้องทำการเปลี่ยนแปลงใดๆ
ข้อมูลจาก: ประกาศอย่างเป็นทางการจาก xAI