أطلقت xAI نموذج Grok Voice 3.0 لمعالجة الكلام إلى كلام

أطلقت xAI نموذج Grok Voice 3.0 لمعالجة الكلام إلى كلام، والذي تصنفه الشركة بأنه النموذج الصوتي الأكثر ذكاءً في العالم. حقق الإصدار رقماً قياسياً جديداً في إغلاق مكالمات دعم العملاء، ويقدم زمن استجابة أقل من ثانية واحدة وتكلفة أقل من نماذج Frontier المنافسة، وفقاً للبيان.

نتائج الاختبارات المرجعية

في اختبارات Artificial Analysis المستقلة، يحتل Grok Voice 3.0 المرتبة الأولى في مؤشر Speech-to-Speech برصيد 86.9 نقطة، متفوقاً على GPT-Live-1 (Astra, Medium) بـ 83.2 نقطة، وGemini 3.8 Live (Ext. Thinking, High) بـ 82.6 نقطة، وسلفه Grok Voice 2.0 بـ 81.3 نقطة. يجمع المؤشر بين استدلال الكلام وtau-Voice، بالإضافة إلى الهيمنة ونجاح المهام من مكالمات مباشرة مجهولة الهوية.

يحقق Grok Voice 3.0 نسبة 98.5% في Big Bench Audio لاستدلال الكلام، و1070 في Speech Agent Arena Elo للتفوق البشري، ومعدل نجاح المهام 94.8%، بينما يسجل 97.0% في Full Duplex Bench، الذي يقيس مدى تعامل النموذج بشكل طبيعي مع التوقفات والحفاظ على تسلسل المحادثة والانقطاعات. في tau-Voice، الذي يختبر مكالمات الدعم بلكنات مختلفة وضوضاء خلفية وانقطاعات، يسجل 71.6%، وهو قابل للمقارنة مع GPT-Live-1 (Astra) بنسبة 74.5%، لكن بزمن استجابة أقل بنسبة 40%.

التكلفة والأداء المؤسسي

تقيس Artificial Analysis ضمن اختبار Big Bench Audio الخاص بها تكلفة تنفيذ المهام، ويبلغ سعر Grok Voice 3.0 $0.025 للمهمة الواحدة، وهو أقل من GPT-Live-1 (Astra, Medium) بسعر $0.030 وGPT-Realtime-2.1 (High) بسعر $0.055.

في EVA-Bench، وهو المعيار مفتوح المصدر من ServiceNow للوكلاء الصوتيين المؤسسيين والذي يغطي أكثر من 200 سيناريو واقعي، يحقق Grok Voice 3.0 أعلى درجة دقة وهي 74%، ويعد النموذج الأفضل أداءً عندما يتم تقييم الدقة وتجربة المستخدم معاً. وقال Nitin Aggarwal، المدير الأول لإدارة منتجات Agentic Evals and RAI في ServiceNow، إن النموذج يضع جبهة باريتو جديدة في EVA-Bench ويربط أعلى دقة بمحادثة طبيعية ومتجاوبة.

النشر في Tesla وSpaceX

يخدم Grok Voice ملايين المحادثات يومياً في Tesla وSpaceX. في سيارات Tesla، يستخدم السائقون Connectors للطلبات البسيطة، مثل التحقق من التقويم أو الرد على البريد الإلكتروني، بينما يُستخدم Grok Bot لمهام أكبر، مثل طلب القهوة أو حجز العشاء، كل ذلك دون استخدام اليدين. كما يدير Grok Voice 3.0 الوضع الصوتي لـ Grok Bot.

تستخدم مراكز اتصال Starlink تقنية Grok Voice للرد على مكالمات 20000 عميل يومياً بعدة لغات. يتم حل حوالي 70% منها دون تدخل بشري، بينما يتم إتمام عملية شراء واحدة من كل أربع مكالمات قبل أن يعلق المشترك الهاتف. يقوم وكيل مبني على Grok Voice 3.0 بفحص العملاء وحل المشكلات التقنية ومنح الائتمان وإرسال معدات بديلة.

السعر والتوفر

أصبح Grok Voice 3.0 متاحاً اليوم في Voice Agent API بسعر $0.08 للدقيقة ($4.80 للساعة)، بنفس سعر Grok Voice 2.0. الوكلاء الذين يستخدمون grok-voice-latest سيتحولون تلقائياً دون حاجة لأي تغييرات.

المصادر: Spacexsi