Grok Voice 3.0发布：延迟不到1秒，客服通话刷新纪录
在 ServiceNow 面向企业语音智能体的 EVA 基准测试中，Grok Voice 3.0 取得 74% 的最高精度得分，在综合精度与客户体验两项指标的联合评分里表现最优。
SpaceXAI 在 10 月 15 日推出 
Grok Voice 3.0，官方把它称作目前全球最聪明的语音转语音模型。据官方说法，它在客服电话处理任务上刷新了纪录，延迟低于 1 秒，处于业界领先水平，运行开销同样比别的前沿模型更低。Grok Voice 每天要在特斯拉和 SpaceX 支撑数百万次对话，眼下已经通过应用程序接口上线，定价沿用上一代产品的标准。
在 Artificial Analysis 的独立测评里，Grok Voice 3.0 拿下语音转语音综合榜单第一，得分 86.9。该榜单考量的内容有语音推理能力、τ-Voice 指标，还有盲测通话对比中的偏好度与任务完成率。
全双工基准测试中，Grok Voice 3.0 的分数是 97%。这项指标衡量的是模型应对停顿、对话轮替和插话时的自然程度。
τ-Voice 考察的是智能体在客服通话中面对各种口音、背景噪音以及中途插话时的表现。Grok Voice 3.0 的得分为 71.6%，与 GPT-Live-1（Astra）性能相当，但延迟少了 40%，在智能体的智能水平与响应速度之间找到了新的最优平衡点。
按官方说法，其运行成本也低于同级别模型。Artificial Analysis 在大型音频基准测试中统计了各模型完成任务的开销，结果显示 Grok Voice 3.0 的花费少于 GPT-Live-1（Astra，中等版本）以及 GPT-Realtime-2.1。另外在 ServiceNow 面向企业语音智能体的 EVA 基准测试中，Grok Voice 3.0 取得 74% 的最高精度得分，在综合精度与客户体验两项指标的联合评分里表现最优。
官方称，Grok Voice 3.0 每天在特斯拉车辆内处理数百万次对话。驾驶员用 Connectors 就能完成查询日程、回复邮件这类简单指令，也能靠 Grok Bot 完成下单咖啡、预订晚餐等复杂任务，全程无需动手。Grok Bot 的语音模式同样由 Grok Voice 3.0 提供支持。
星链客服中心依托 Grok Voice，每天用多种语言承接 2 万通客户来电。其中大约 70% 的来电不用人工介入就能解决，四分之一的销售通话在客户挂断前便促成了下单。基于 Grok Voice 3.0 搭建的单个智能体，就能完成客户身份核验、硬件故障排查、发放退款以及补发设备等工作。
Grok Voice 3.0 现已在语音智能体应用程序接口上线，价格是每分钟 0.08 美元（现汇率约合 0.54 元人民币），每小时 4.8 美元（现汇率约合 32.2 元人民币），与 Grok Voice 2.0 定价相同。使用 grok-voice-latest 版本的智能体已经自动升级，无需任何改动。
