Grok Voice 3.0发布：延迟低于1秒，语音榜第一得分86.9
IT之家 10 月 15 日消息，SpaceXAI 今日发布了 Grok Voice 3.0，官方称这是全球智能水平最高的语音转语音模型。该模型在客服电话处理任务上创下新纪录，拥有业界领先的低于 1 秒延迟，运行成本也低于其他前沿模型。Grok Voice 每天在特斯拉和 SpaceX 支撑数百万次对话，现已通过应用程
SpaceXAI 在 10 月 15 日推出 
Grok Voice 3.0，官方把它称作目前全球智能水平最高的语音转语音模型。按照官方说法，这款模型在客服电话处理任务上刷新了纪录，延迟低于 1 秒，处于业界领先位置，运行成本也比其他前沿模型更低。每天，Grok Voice 在特斯拉和 SpaceX 支撑数百万次对话。目前它已经通过应用程序接口上线，定价与上一代产品相同。
Artificial Analysis 的独立测试里，Grok Voice 3.0 拿下了语音转语音综合榜单的第一名，得分 86.9。这个榜单的评估维度包括语音推理能力、τ-Voice 指标，还有盲测通话对比下的偏好度和任务完成率。全双工基准测试中，该模型得到 97%，这项指标衡量的是模型应对停顿、对话轮替和插话时够不够自然。
τ-Voice 考察的是智能体在客服通话场景里，面对各种口音、背景噪音和中途插话时的表现。Grok Voice 3.0 的分数为 71.6%，与 GPT-Live-1（Astra）实力相当，延迟却少了 40%，在智能体智能水平和响应速度之间找到了新的平衡点。
官方表示，它的运行成本同样低于同级别模型。Artificial Analysis 在大型音频基准测试中统计了各模型完成任务所需开销，Grok Voice 3.0 的花费低于 GPT-Live-1（Astra，中等版本）和 GPT-Realtime-2.1。
ServiceNow 针对企业语音智能体的 EVA 基准测试中，Grok Voice 3.0 的最高精度得分为 74%，在精度与客户体验两项指标的联合评分里成绩最好。
官方称，每天有数百万次对话在特斯拉车辆内由 Grok Voice 3.0 处理。驾驶员用 Connectors 就能查询日程、回复邮件，也能通过 Grok Bot 下单咖啡、预订晚餐，全程不用动手。Grok Bot 的语音模式同样由 Grok Voice 3.0 提供支持。
星链客服中心依靠 Grok Voice，每天用多种语言接听 2 万通客户来电。其中约 70% 不需要人工介入就能解决，四分之一的销售通话在客户挂断之前就完成了下单。只用一个基于 Grok Voice 3.0 搭建的智能体，就能搞定客户身份核验、硬件故障排查、发放退款和补发设备这些事。
Grok Voice 3.0 已经在语音智能体应用程序接口上线，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），和 Grok Voice 2.0 的定价一样。使用 grok-voice-latest 版本的智能体已经自动完成升级，不需要做任何改动。
