SpaceXSI (ранее как xAI) выпустила Grok Voice 3.0, модель для общения в реальном времени. Она принимает речь и отвечает голосом без обязательного разделения процесса на отдельные этапы распознавания, обработки текста и синтеза речи. Разбираемся, что интересного в голосовом агенте для продаж и поддержки.
Что изменилось в Grok Voice 3.0
Главная задача новой версии — сделать разговор с ИИ более естественным и пригодным для рабочих процессов. Модель должна быстро реагировать на реплики, учитывать паузы и перебивания собеседника и доводить разговор до конкретного результата.
Grok Voice 3.0 доступна через Voice Agent API. Самые логичные сценарии использования: автоматизация входящих звонков, обработка типовых обращений, первичная диагностика проблем и продаж.
Задержка ответа — меньше секунды. На тесте τ-Voice, имитирующем обращения в поддержку с различными акцентами, фоновым шумом и перебиваниями, модель получила 71,6%. SpaceXSI также заявляет о задержке примерно на 40% ниже, чем у GPT-Live-1, в этом сценарии. Еще агент может выполнять несколько последовательных действий в ходе разговора.
В опубликованном Artificial Analysis сравнении Grok Voice 3.0 набрала 86,9 балла в сводном Speech-to-Speech Index. Для сравнения, GPT-Live-1 с GPT-6 Astra в качестве модели рассуждения получила 83,2 балла, а Gemini 3.8 Live — 82,6.
В других тестах результаты выглядят так:
Метрика
Grok Voice 3.0
GPT-Live-1
Gemini 3.8 Live
Speech-to-Speech Index
86,9
83,2
82,6
Big Bench Audio
98,5%
90,1%
97,7%
Full Duplex Bench
97,0%
94,9%
91,9%
τ-Voice
71,6%
74,5%
—
Сколько стоит модель
Grok Voice 3.0 доступна по цене $0,08 за минуту — $4,80 за час работы. Это та же ставка, что и у предыдущей версии Grok Voice 2.0.
Обновление не требует менять интеграцию: если приложение использует алиас grok-voice-latest: он уже перенаправлен на Grok Voice 3.0. Предыдущая модель grok-voice-2.0 переведена в статус устаревшей. Актуальные параметры подключения опубликованы в документации API.
Источник: habr.com