xAI təqdim etdi Grok Voice 3.0: səsdən səsə emal edən model

xAI təqdim etdi Grok Voice 3.0, səsdən səsə emal edən modeli; şirkət onu dünyanın ən ağıllı səs modeli adlandırır. Buraxılış istifadəçi dəstəyi zənglərinin həllində rekord qurdu, bir saniyədən az gecikmə təklif edir və rəqəbətçinin frontier modelləridən ucuzdur, bildirişə görə.

Benchmark nəticələri

Artificial Analysis-in müstəqil testlərində Grok Voice 3.0 Speech-to-Speech Index-də 86,9 bal ilə birinci yerdədir; GPT-Live-1-i (Astra, Medium) 83,2 bal, Gemini 3.8 Live-i (Ext. Thinking, High) 82,6 bal və əvvəlki Grok Voice 2.0-i 81,3 bal ilə keçir. İndeks səs anlamağı, tau-Voice, üstünlük və gizli üz-üzə zənglərdə tapşırıq uğurluğunu birləşdirir.

Grok Voice 3.0 səs anlamağı üçün Big Bench Audio-da 98,5% toplayır, insan üstünlüyü üçün Speech Agent Arena Elo-da 1070, tapşırıq uğurluq göstəricisi 94,8% və Full Duplex Bench-də 97,0% təşkil edir; bu ölçür ki, model fasilələri, söhbət növbəsini və kəsilmələri nə qədər təbii idarə edir. tau-Voice-də, müxtəlif aksentlər, fon səsi və kəsilmələr üzrə dəstək zənglərini yoxlayan testdə, 71,6% toplayır; bu GPT-Live-1-in (Astra) 74,5%-inə yaxındır, lakin 40% daha aşağı gecikmə ilə.

Qiymət və korporativ performans

Artificial Analysis öz Big Bench Audio testi çərçivəsində tapşırığın yerinə yetirilməsinin dəyərini ölçür; Grok Voice 3.0 bir tapşırıq üçün $0,025-ə çıxır, bu GPT-Live-1-in (Astra, Medium) $0,030-dan və GPT-Realtime-2.1-in (High) $0,055-dən aşağıdır.

200-dən çox real ssenari əhatə edən korporativ səs agentləri üçün ServiceNow-un açıq mənbəli benchmark-i olan EVA-Bench-də Grok Voice 3.0 74% ilə ən yüksək dəqiqlik balını əldə edir və dəqiqlik ilə istifadəçi təcrübəsi birlikdə qiymətləndiriləndə ən yaxşı nəticəyə malik modeldir. ServiceNow-da Agentic Evals and RAI məhsul idarəetməsinin baş direktoru Nitin Aggarwal dedi ki, model EVA-Bench-də yeni Pareto sərhədini müəyyən edir və ən yüksək dəqiqliyi təbii, reaktiv söhbətlə birləşdirir.

Tesla və SpaceX-də tətbiqi

Grok Voice Tesla və SpaceX-də gündəlik milyonlarla söhbətə xidmət edir. Tesla avtomobillərində sürücülər sadə sorğular üçün Connectors-dan istifadə edir, məsələn təqvimi yoxlamaq və ya e-mailə cavab vermək üçün; Grok Bot isə kofe sifarişi və ya yemək rezervasiyası daha böyük tapşırıqlar üçün tamamilə əllərsiz. Grok Voice 3.0 həmçinin Grok Bot-un səs rejimini işlədir.

Starlink-in zəng mərkəzləri müştərilərin gündəlik 20 000 zənginə bir neçə dildə cavab vermək üçün Grok Voice-dan istifadə edir. Təxminən 70%-i insan iştiraksız başa çatır, satış zənglərinin dördündən biri isə abonent zəngi bitirməzdən əvvəl alımla başa çatır. Grok Voice 3.0 üzərində qurulan bir agent müştəriləri yoxlayır, texniki problemləri həll edir, kredit verir və əvəzici avadanlıq göndərir.

Qiymət və əlçatanlıq

Grok Voice 3.0 bu gündən Voice Agent API-də dəqiqəyə $0,08 ($4,80 saatına) ilə əlçatandır; bu qiymət Grok Voice 2.0 ilə eynidir. grok-voice-latest-dən istifadə edən agentlər dəyişiklik tələb etmədən avtomatik keçir.

Mənbələr: Spacexsi