先了解这件事
xAI 发布语音到语音模型 Grok Voice 3.0,官方称其为“全球最智能”的语音模型,延迟低于 1 秒。Artificial Analysis 的 Speech-to-Speech Index 显示,该模型以 86.9 分首次上榜即排名第一,领先 GPT-Live-1(Astra, medium)的 83.2 分和 Gemini 3.8 Live Extended Thinking(High)的 82.6 分,较 Grok Voice 2.0 提升 5.6 分。
该模型即日起在 Voice Agent API 和 Voice Agent Builder 中提供,定价为每分钟 0.08 美元(每小时 4.80 美元),与上一代相同;使用 grok-voice-latest 的智能体已自动切换。MarkTechPost 称,该模型仅通过 xAI 托管的 Voice Agent API 运行,不开放权重,也没有本地或量化版本。
xAI 方面还称,该模型在 τ-Voice 任务成功率上从 2.0 的 56.5% 升至 71.6%,响应速度比 GPT-Live-1 快 40%;在 Big Bench Audio 上,每个任务成本为 0.025 美元,低于 GPT-Live-1 的 0.030 美元。马斯克也发文称 Grok 是全球最佳对话语音模型。
AI 根据报道生成 · 5 天前更新最新进展
xAI 发布 Grok Voice 3.0,以 86.9 分登顶 Artificial Analysis 语音对语音指数
事件进展3
马斯克称 Grok 为全球最佳对话语音模型
Elon Musk:马斯克称 Grok 为全球最佳对话语音模型Grok Voice 3.0登顶Speech to Speech Index
Elon Musk:Musk 称 Grok Voice 3.0 登顶 Artificial Analysis 语音模型评测Grok Voice 3.0 模型发布
xAI:News:xAI 发布 Grok Voice 3.0 语音对话模型