SpaceXAI 发布 Grok Voice 3.0：延迟低于 1 秒的全球最智能语音模型

SpaceXAI 今日发布了 Grok Voice 3.0，这款号称全球智能水平最高的语音转语音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。

在 Artificial Analysis 的独立测试中，Grok Voice 3.5 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。此外，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%。

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、回复邮件等简单指令，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。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，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。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。

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（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。这使得 Grok Voice 3.0 不仅在性能上领先，还在成本上具有竞争力。