SpaceXAI发布Grok Voice 3.0：号称全球最智能语音模型、延迟低于1秒

10月15日，据报道，SpaceXAI 发布 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，现已通过应用程序接口上线，定价与上一代产品保持一致。

在 Artificial Analysis 的独立测试中，Grok Voice 3.0 在语音转语音综合榜单中排名第一，得分 86.9；全双工基准测试中拿到 97% 的分数，用来衡量模型处理停顿、对话轮替和插话的自然程度。在评估客服通话场景的 τ-Voice 指标上，Grok Voice 3.0 得分为 71.6%，性能与 GPT-Live-1（Astra）相当，但延迟降低 40%。在 ServiceNow 面向企业语音智能体的 EVA 基准测试中，它取得 74% 的最高精度得分。

官方称，Grok Voice 3.0 每天在特斯拉车辆内处理数百万次对话，驾驶员可以完成查询日程、回复邮件这类简单指令，也能借助 Grok Bot 完成下单咖啡、预订晚餐等复杂任务。星链客服中心依托 Grok Voice，每天使用多种语言承接 2 万通客户来电，大约 70% 的来电无需人工介入即可解决，四分之一的销售通话在客户挂断前就能促成下单。

目前 Grok Voice 3.0 已在语音智能体应用程序接口上线，价格为每分钟 0.08 美元，与 Grok Voice 2.0 定价相同；使用 grok-voice-latest 版本的智能体已完成自动升级，无需任何改动。