埃隆 · 马斯克旗下人工智能公司 （前身为 xAI）今日正式发布 Grok Voice 3.0。这是其语音代理 API 背后的语音转语音模型最新版本，独立测试机构 将其评为同类模型第一名。

正将该模型推向利用语音代理处理客户支持和销售电话的企业市场。 基于推理测试、任务成功率及盲测双向通话听众投票，在 " 语音转语音指数 " 中给予 Grok Voice 3.0 高达 86.9 分的评分。

同期对比显示， Group PBC 的 GPT-Live-1（由 GPT-6 Astra 模型处理推理）得分为 83.2 分， LLC 的 3.8 Live 得分为 82.6 分。在专门评估模型应对停顿和中断自然程度的 Full Bench 测试中，新款 Grok 模型更是拿到了 97% 的高分。

性能与成本优势

在针对浓重口音和背景噪音支持呼叫的 Tau-Voice 测试中， 模型以 74.5% 对 71.6% 的微弱优势保持准确率领先。但 指出，其模型在该测试中的首次音频生成速度提升了约 40%。成本方面， 的 Big Bench Audio 任务数据显示，Grok Voice 3.0 单次任务成本约为 2.5 美分，低于 GPT-Live-1 的 3 美分和 GPT--2.1 的 5.5 美分。

此外，在 Inc. 的开源 EVA-Bench 准确率测试中，Grok Voice 3.0 在超过 200 个企业场景中得分达 74%，位居榜首，且在准确率与客户体验综合评分上无人能及。 产品管理高级总监 Nitin 评价称，该模型 " 将顶级准确率与自然、响应式的对话相结合 "。

规模化应用落地

在实际部署中，特斯拉车辆每天已产生数百万次 Grok 语音对话，驾驶员依赖其查看日历、回复邮件，并通过运行在新模型上的 Grok Bot 完成预订晚餐等复杂任务。

在 旗下卫星互联网业务 ，Grok Voice 每天用多种语言接听约 2 万通客户电话。 表示，其中约 70% 的问题无需人工介入即可解决，且每四通销售电话中就有一通在挂断前达成购买。

回顾公司架构调整， 于今年 2 月收购 xAI，该部门于 7 月更名为 ，并于本月早些时候正式采用 名称。

目前，Grok Voice 3.0 已通过 Voice Agent API 提供服务，定价维持在每分钟 8 美分（即每小时 4.80 美元），与 2.0 版本持平。指向 grok-voice- 模型别名的开发者代理已自动迁移至新版本，无需进行任何代码更改。

【星途科讯 图文丨小林 首发于 ZAKER 科技，转载请注明出处】