xAI 发布 Grok Voice 3.0 语音模型，已在 Voice Agent API 上线
xAI 发布 Grok Voice 3.0 语音模型
xAI 发布语音到语音模型 Grok Voice 3.0，在 Artificial Analysis 的 Speech-to-Speech Index 上以 86.9 分排名第一，Full Duplex Bench 得分 97%。
今天，我们宣布推出 Grok Voice 3.0，全球最智能的语音到语音模型。它在解决客户支持通话方面创下新纪录，延迟处于同类领先水平，低于一秒，且成本低于其他前沿模型。Grok Voice 每天为 Tesla 和 SpaceX 的数百万次对话提供支持，今天已在 API 中上线，价格与前代相同。
最准确的语音模型
在 Artificial Analysis 的独立测试中，Grok Voice 3.0 在 Speech-to-Speech Index 上排名第一，得分为 86.9。该指数综合了语音推理、τ-Voice，以及盲测一对一通话中的偏好和任务成功率。Grok Voice 3.0 在 Full Duplex Bench 上也获得 97% 的分数，该基准衡量其处理停顿、轮流发言和打断的自然程度。
| 基准 | Grok Voice 3.0（本次发布） | Grok Voice 2.0 | GPT-Live-1（Astra，Medium） | Gemini 3.8 Live（Ext. Thinking，High） |
|---|---|---|---|---|
总体 AA Speech-to-Speech Index | 86.9 | 81.3 | 83.2 | 82.6 |
语音推理 Big Bench Audio | 98.5% | 97.2% | 90.1% | 97.7% |
人类偏好 Speech Agent Arena Elo | 1070 | 1011 | 1048 | 990 |
任务完成 任务成功率 | 94.8% | 94.6% | 87.4% | 89.1% |
对话动态 Full Duplex Bench | 97.0% | 95.1% | 94.9% | 91.9% |
τ-Voice 衡量智能体处理带有不同口音、背景噪音和打断的支持通话的能力。Grok Voice 3.0 得分为 71.6%，与 GPT-Live-1（Astra）相当，但延迟低 40%，在智能体智能与响应速度之间树立了新的前沿。
它的运行成本也低于同类模型。Artificial Analysis 测量了每个模型在其 Big Bench Audio 运行中完成任务所需的成本，Grok Voice 3.0 低于 GPT-Live-1（Astra，Medium）和 GPT-Realtime-2.1。
每任务成本低于同类模型
Artificial Analysis 的 Big Bench Audio 运行中每任务平均成本，美元。越低越好。
在 EVA-Bench 上，即 ServiceNow 面向企业语音智能体的基准，Grok Voice 3.0 取得了 74% 的最高准确率得分，并且在准确率和客户体验的综合评分中表现最佳。
“Grok Voice 3.0 在 EVA-Bench 上树立了新的帕累托前沿。EVA-Bench 是 ServiceNow 的开源基准，在 200 多个真实企业场景中对语音智能体的准确率和体验进行评分。它将顶尖准确率与自然、响应迅速的对话相结合，为企业在前线客户服务中对 AI 的期待树立了新标准。”
被 Tesla 和 SpaceX 数百万客户使用
Grok Voice 3.0 每天在 Tesla 车辆中处理数百万次对话。驾驶员可以使用 Connectors 处理简单请求，例如查看日历或回复电子邮件，并使用 Grok Bot 处理更大的任务，例如点咖啡或预订晚餐——全程完全免手操作（在 X 上查看）。Grok Voice 3.0 也为 Grok Bot 的语音模式提供支持。
Starlink 呼叫中心使用 Grok Voice 每天以多种语言接听 20,000 通客户来电。约 70% 无需人工介入即可解决，四分之一的销售通话在来电者挂断前完成购买。一个基于 Grok Voice 3.0 构建的单一代理即可验证客户身份、排查硬件故障、发放信用额度并寄送替换设备。
定价与可用性
Grok Voice 3.0 即日起在 Voice Agent API 中提供，价格为 $0.08 / 分钟（$4.80 / 小时），与 Grok Voice 2.0 相同。使用 grok-voice-latest 的代理已自动切换，无需任何更改。
开始使用 Grok Voice 构建
来源：xAI：News · x.ai