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

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。

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。

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。

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 完成下单咖啡、预订晚餐等复杂任务，全程无需动手。Grok Voice 3.0 同时为 Grok Bot 的语音模式提供支持。

星链客服中心依托 Grok Voice，每天使用多种语言承接 2 万通客户来电。大约 70% 的来电无需人工介入即可解决，四分之一的销售通话在客户挂断前就能促成下单。基于 Grok Voice 3.0 搭建的单个智能体，就可以完成客户身份核验、硬件故障排查、发放退款以及补发设备等工作。

Grok Voice 3.0 现已在语音智能体应用程序接口上线，价格为每分钟 0.08 美元 （IT之家注：现汇率约合 0.54 元人民币） （每小时 4.8 美元 （现汇率约合 32.2 元人民币） ），与 Grok Voice 2.0 定价相同。使用 grok-voice-latest 版本的智能体已完成自动升级，无需任何改动。

主题：GrokVoice3.0|智能体