IT之家 Le 15 octobre, SpaceXAI a publié aujourd'hui Grok Voice 3.0,présenté par l'entreprise comme le modèle de synthèse vocale de bout en bout le plus intelligent au monde. Ce modèle établit un nouveau record dans les tâches de traitement des appels du service client, avec une latence inférieure à 1 seconde, leader du secteur, et des coûts de fonctionnement inférieurs à ceux des autres modèles de pointe. Grok Voice prend en charge chaque jour des millions de conversations chez Tesla et SpaceX ; il est désormais disponible via une interface de programmation, au même tarif que la génération précédente.
Dans les tests indépendants d'Artificial Analysis, Grok Voice 3.0 se classe premier du classement général voix-à-voix avec un score de 86.9. Ce classement évalue de manière globale les capacités de raisonnement vocal, la métrique τ-Voice, ainsi que la préférence et le taux d'accomplissement des tâches lors de comparaisons d'appels en aveugle. Grok Voice 3.0 obtient un score de 97 % au test de référence full-duplex, une métrique qui mesure la capacité du modèle à gérer naturellement les pauses, les tours de parole et les interruptions.
τ-Voice sert à évaluer la capacité d'un agent, dans des scénarios d'appels du service client, à faire face aux différents accents, au bruit de fond et aux interruptions en cours d'appel. Grok Voice 3.0 obtient un score de 71.6 %, avec des performances comparables à celles de GPT-Live-1 (Astra), mais avec une latence réduite de 40 %, ouvrant ainsi un nouveau point d'équilibre optimal entre le niveau d'intelligence de l'agent et la vitesse de réponse.
Selon l'entreprise, ses coûts de fonctionnement sont également inférieurs à ceux des modèles de même catégorie. Artificial Analysis a mesuré, dans un test de référence audio à grande échelle, le coût d'accomplissement des tâches par chaque modèle : le coût de Grok Voice 3.0 est inférieur à celui de GPT-Live-1 (Astra, version medium) et de GPT-Realtime-2.1.
Dans le test de référence EVA de ServiceNow destiné aux agents vocaux d'entreprise, Grok Voice 3.0 a obtenu le meilleur score de précision, 74 %, et s'est révélé le plus performant en score combiné sur les deux métriques de précision globale et d'expérience client.
Selon l'entreprise, Grok Voice 3.0 traite chaque jour des millions de conversations à bord des véhicules Tesla. Les conducteurs peuvent utiliser Connectors pour des commandes simples comme consulter leur agenda ou répondre à des e-mails, et recourir à Grok Bot pour des tâches complexes comme commander un café ou réserver un dîner, sans jamais avoir à toucher l'écran. Grok Voice 3.0 prend également en charge le mode vocal de Grok Bot.
Le centre de service client de Starlink s'appuie sur Grok Voice pour traiter chaque jour 20000 appels clients en plusieurs langues. Environ 70% des appels sont résolus sans intervention humaine, et un quart des appels de vente aboutissent à une commande avant même que le client ne raccroche. Un seul agent construit sur Grok Voice 3.0 peut accomplir la vérification d'identité des clients, le dépannage matériel, l'émission de remboursements ainsi que le renvoi d'équipements.
Grok Voice 3.0 est désormais disponible sur l'interface de programmation des agents vocaux, au prix de 0.08 dollar par minute (IT之家 note : environ 0.54 yuans au taux de change actuel) (soit 4.8 dollars par heure (environ 32.2 yuans au taux de change actuel)), au même tarif que Grok Voice 2.0. Les agents utilisant la version grok-voice-latest ont été automatiquement mis à niveau, sans aucune modification nécessaire.