AI 摘要
- SpaceXSI 推出新一代 Grok Voice 3.0 語音對語音模型，在 Artificial Analysis 評測以 86.9 分奪冠，回應時間低於 1 秒。
- Grok Voice 3.0 語音推理平均成本為 0.025 美元，延遲比 OpenAI GPT-Live-1 降低 40%。
- 即日起透過 Voice Agent API 提供服務，定價為每分鐘 0.08 美元，既有應用程式可自動升級。
SpaceX 旗下 AI 部門 SpaceXSI 於周三（10/14）正式推出新一代語音對語音模型 Grok Voice 3.0。該模型在第三方評測機構 Artificial Analysis 的語音對語音綜合指數（Speech-to-Speech Index）中獲得 86.9 分奪冠，一舉超越 OpenAI 及 Google 的競品。Grok Voice 3.0 主打極致的快速語音回應與企業客服應用，官方宣稱回應時間可低於 1 秒，並維持每分鐘 0.08 美元的計費標準。
定位超級智慧：SpaceXSI 與 Grok Voice 系列演進
SpaceXSI 前身為馬斯克（Elon Musk）於 2023 年創立的 xAI，今年 2 月由 SpaceX 宣布收購，將 AI 業務與火箭及衛星通訊技術全面整合。7 月更名為 SpaceXAI 後，於 10 月再度改稱 SpaceXSI，以呼應超級智慧（Super Intelligence）概念。作為 SpaceX 旗下專注於 Grok 模型、AI 代理人與語音服務的品牌，本次發布的 Grok Voice 3.0 延續了即時端到端語音處理技術，支援直覺對話、動態插話及各類語音代理人任務。
評測表現奪冠：延遲降低 40% 與高推理準確率
根據 Artificial Analysis 於 10 月 13 日發布的語音對語音綜合指數評測，Grok Voice 3.0 在語音推理、對話流暢度、任務執行及人類偏好等綜合指標上皆展現強大實力：
- 綜合指標：取得 86.9 分，領先競品與前代模型。
- 語音推理準確率：達 98.5%，任務完成率達 94.8%。
- 互動處理：在處理對話停頓、輪流發言及使用者插話等項目上取得 97% 高分。
- 真實情境與延遲：在模擬多種口音、背景雜音的真實客服環境中，任務成功率為 71.6%，雖略低於 OpenAI GPT-Live-1 的 74.5%，但回應延遲大幅降低 40%。
- 企業客服標準：在 ServiceNow 針對 200 多種企業客服情境打造的 EVA-Bench 評測中，以 74% 準確率拿下最高分。
主流語音模型規格與成本比較
以下為 Artificial Analysis 針對 Grok Voice 3.0 與市場主要競爭模型進行的數據對比：
| 模型名稱 | 語音對語音綜合指數 | 每項語音推理平均成本 (美元) |
|---|---|---|
| Grok Voice 3.0 | 86.9 分 | 0.025 美元 |
| OpenAI GPT-Live-1 | 83.2 分 | 0.030 美元 |
| Google Gemini 3.8 Live | 82.6 分 | 未公布 |
| Grok Voice 2.0 | 81.3 分 | 未公布 |
| OpenAI GPT-Realtime-2.1 | 未公布 | 0.055 美元 |
Tesla 與 Starlink 大規模落地，API 即日起開放
在實際應用場景方面，Grok Voice 每日已在 Tesla 車輛中支援數百萬次語音對話，涵蓋查詢行事曆、回覆郵件，乃至透過 Grok Bot 訂購咖啡與預約餐廳。同時，SpaceX 旗下的 Starlink 客服中心每日亦使用 Grok Voice 處理約 2 萬通電話，其中約 70% 的案件可完全無須人工介入解決，更有 25% 的銷售來電能直接促成交易。
Grok Voice 3.0 即日起已透過 Voice Agent API 向開發者開放，API 定價維持每分鐘 0.08 美元。既有使用 grok-voice-latest 模型名稱的應用程式將自動完成無縫升級，開發者無須修改任何既有程式碼。
Reference Link : ithome.com.tw
