Сегодня мы анонсируем Grok Voice 3.0, самую интеллектуальную в мире модель преобразования речи в речь. Она устанавливает новый рекорд по количеству успешно решенных обращений в службу поддержки, обладает лучшей в своем классе задержкой менее одной секунды и стоит дешевле других передовых моделей. Grok Voice ежедневно обеспечивает миллионы диалогов в Tesla и SpaceX и уже доступна в API по той же цене, что и ее предшественница.

Самая точная голосовая модель

В ходе независимого тестирования Artificial Analysis модель Grok Voice 3.0 заняла первое место в индексе Speech-to-Speech Index с результатом 86,9 балла. Этот индекс объединяет показатели речевого мышления, τ-Voice, а также предпочтения пользователей и успешность выполнения задач в ходе слепых сравнительных тестов. Grok Voice 3.0 также набрала 97% в тесте Full Duplex Bench, который оценивает естественность обработки пауз, очередности реплик и перебиваний.

Общие показатели

Индекс Speech-to-Speech от AA

Речевое мышление

Big Bench Audio

Предпочтения пользователей

Рейтинг Elo в Speech Agent Arena

Выполнение задач

Коэффициент успешности выполнения задач

Динамика диалога

Full Duplex Bench

Показатель τ-Voice оценивает, насколько хорошо агенты справляются с обращениями в службу поддержки при наличии различных акцентов, фонового шума и перебиваний. Grok Voice 3.0 набрала 71,6%, что сопоставимо с GPT-Live-1 (Astra), но при этом задержка на 40% ниже, что устанавливает новую границу эффективности между интеллектуальностью агента и его отзывчивостью.

Она также дешевле в эксплуатации, чем сопоставимые модели. Artificial Analysis измеряет стоимость выполнения задачи каждой моделью в тесте Big Bench Audio, и Grok Voice 3.0 оказалась дешевле как GPT-Live-1 (Astra, Medium), так и GPT-Realtime-2.1.

Более низкая стоимость выполнения задачи по сравнению с аналогичными моделями

Средняя стоимость выполнения задачи в тесте Big Bench Audio от Artificial Analysis, в долларах США. Чем ниже, тем лучше.

В EVA-Bench, бенчмарке ServiceNow для корпоративных голосовых агентов, Grok Voice 3.0 достигла наивысшего показателя точности в 74% и стала лучшей моделью по совокупной оценке точности и качества обслуживания клиентов.

«Grok Voice 3.0 устанавливает новую границу Парето в EVA-Bench, бенчмарке ServiceNow с открытым исходным кодом, оценивающем голосовых агентов по точности и качеству взаимодействия в более чем 200 реалистичных корпоративных сценариях. Она сочетает в себе высочайшую точность с естественным и отзывчивым диалогом, задавая новый стандарт того, что предприятия могут ожидать от ИИ на передовой обслуживания клиентов».

Используется миллионами клиентов в Tesla и SpaceX

Grok Voice 3.0 обрабатывает миллионы диалогов в день в автомобилях Tesla. Водители могут использовать Connectors для простых запросов, таких как проверка календаря или ответ на электронное письмо, и Grok Bot для более сложных задач, таких как заказ кофе или бронирование ужина — и все это полностью без использования рук (смотрите на X). Grok Voice 3.0 также обеспечивает работу голосового режима Grok Bot.

Колл-центры Starlink используют Grok Voice для обработки 20 000 звонков клиентов каждый день на разных языках. Примерно 70% обращений решаются без участия человека, а каждый четвертый звонок по продажам заканчивается покупкой до того, как клиент положит трубку. Один агент, созданный на базе Grok Voice 3.0, проверяет клиентов, устраняет неполадки оборудования, начисляет кредиты и оформляет отправку оборудования на замену.

Цены и доступность

Grok Voice 3.0 доступна уже сегодня в Voice Agent API по цене $0,08 за минуту ($4,80 в час), что соответствует цене Grok Voice 2.0. Агенты, использующие grok-voice-latest, были переведены на новую версию автоматически, никаких изменений не требуется.