xAIがGrok Voice 3.0を発表し、Speech-to-Speechのベンチマークで首位に立った

AIの性能を向上させるためのニュースです。xAIは、音声から音声へのモデル「Grok Voice 3.0」を発表しました。公式によると、このモデルはArtificial Analysisが行った独立したテストで、「Speech-to-Speech Index」において86.9点を獲得し、第一位にランクインしました。比較として、Grok Voice 2.0は81.3点、GPT-Live-1は83.2点、Gemini 3.8 Liveは82.6点でした。また、このモデルのエンドツーエンドの遅延は1秒未満であるとも述べられています。<br /> <br /> 現在、このモデルはVoice Agent APIを通じて利用可能であり、価格は1分あたり0.08ドルです。これは以前のバージョンと同じです。grok-voice-latestを使用する場合、自動的に切り替わります。<br /> <br /> 公式によれば、Grok Voiceは毎日TeslaやSpaceXで数百万回の対話を処理しており、Starlinkのカスタマーサービスセンターでは毎日約2万通の電話を受け付けています。そのうち約70％は人間の介入なしで解決でき、約4分の1の販売電話は電話を切る前に購入が完了しています。ServiceNow EVA-Benchでの正確率は74％、τ-Voiceでは71.6％です。公式によると、このモデルの性能はGPT-Live-1と同等であり、遅延は約40％少ないとのことです。