Grok Voice 3.0 вышел с улучшенной обработкой звонков и задержкой менее секунды

Grok Voice 3.0 вышла с улучшенными возможностями речевого рассуждения и более высокими результатами в задачах поддержки клиентов, при этом цена API за минуту осталась такой же, как у предшественника. Модель преобразования речи в речь предназначена для живого общения и голосовых агентов.

Новая модель возглавила индекс преобразования речи в речь Artificial Analysis с результатом 86,9 против 81,3 у Grok Voice 2.0. Индекс учитывает речевые рассуждения, выполнение задач в звонках в службу поддержки, а также предпочтения пользователей и успешность выполнения задач в слепых попарных сравнениях диалогов.

Модель также набрала 97% в Full Duplex Bench против 95,1% у предыдущей версии. Эта оценка проверяет поведение в диалоге, в том числе способность выдерживать паузы, соблюдать очередность реплик и реагировать на перебивания. Результат в речевых рассуждениях вырос с 97,2% до 98,5% в Big Bench Audio.

В отдельном тесте поддержки клиентов τ-Voice успешность выполнения задач выросла с 56,5% до 71,6%. GPT-Live-1 с Astra в режиме среднего уровня рассуждений набирает 74,5%, поэтому в этом отдельном тесте Grok не лидирует.

По скорости Grok превосходит эту конфигурацию GPT-Live-1: время до первого аудио составляет 0,81 секунды против 1,34 секунды — примерно на 40% меньше. Этот показатель отражает, когда начинается ответ, а не сколько времени требуется на выполнение задачи. Grok Voice 2.0 начинает отвечать немного быстрее — за 0,70 секунды.

В анонсе также указана округлённая оценка точности 74% в EVA-Bench от ServiceNow, где оцениваются корпоративные голосовые агенты.

Grok Voice 3.0 используется в голосовом режиме Grok Bot и для общения в автомобилях Tesla. Водители могут с помощью Connectors проверить календарь или ответить на электронное письмо, а Grok Bot выполняет более сложные задачи, например заказывает кофе или бронирует столик на ужин. В мае приложение Grok для iPhone также получило поддержку голосового управления через CarPlay.

По словам разработчика, кол-центры Starlink используют Grok Voice для обработки 20 000 звонков в день на нескольких языках и решают без участия человека около 70% обращений. Агент может проверять данные клиентов, устранять неполадки оборудования, оформлять возврат средств и организовывать замену оборудования. Примерно один из четырёх звонков отдела продаж заканчивается покупкой.

Voice Agent API стоит 0,08 доллара за минуту, или 4,80 доллара за час, — столько же, сколько Grok Voice 2.0. В документации с ценами также указана отдельная плата в размере 0,004 доллара за текстовый ввод. Агенты, использующие псевдоним модели grok-voice-latest, уже автоматически обновлены; менять код не требуется.