SpaceXAIのGrok Voice 3.0は新しい主要なスピーチ・トゥ・スピーチモデルであり、人工分析スピーチ・トゥ・スピーチインデックスで86.9点を記録し、1位に立ちました。また、レイテンシーにおいても競争力があります。
Grok Voice 3.0は、SpaceXSIによるGrok Voice 2.0の後継製品です。Grok Voice 2.0は、SpaceXAIリアルタイムAPIを通じて利用可能で、1分あたり0.08ドルで提供されています。Grok Voice 3.0は、SpaceXAIリアルタイムAPIを通じてRex声を使って評価されました。
重要なポイント：
➤ スピーチ・トゥ・スピーチ指数：Grok Voice 3.0が86.9点で第1位を獲得。GPT-Live-1（Astra、中程度）は83.2点、Gemini 3.8 Live Extended Thinking（高）は82.6点、GPT-Live-1（Sol、低）は80.1点である。Grok Voice 2.0は81.3点（+5.6ポイント）、Grok Voice 1.0は73.7点（+13.2ポイント）であり、いずれも6ヶ月前にリリースされた。この指数は、スピーチ推理（Big Bench Audio）、エージェント型パフォーマンス（Tau Voice）、アリーナ好み、タスク成功率の平均値を反映している。
➤ Speech Agent Arena：Grok Voice 3.0はElo 1070で好み度第3位となり、Gemini 3.1 Flash Live Minimal（1100）とGemini 3.8 Live（1088）の後ろに位置し、GPT-Live-1（Sol, low）よりも1057で上回っています。タスク成功率では第1位で94.8％で、チーム中最高値であり、Grok Voice 2.0は94.6％です。Grok Voice 2.0はElo 1011で下位に位置しています。
➤ Tau Voice：Grok Voice 3.0は、Tau Voiceベンチマーク実装において2位となり、71.6％を獲得しました。これは、GPT-Live-1（Astra、中程度）の74.5％に比べて下位で、Gemini 3.8 Live Extended Thinking（高）の68.6％やGPT-Live-1（Sol、低）の59.3％よりも上です。これは、Grok Voice 2.0の56.5％から上昇した数値です。
➤ Big Bench Audio：Grok Voice 3.0は音声推論で98.5％のスコアを記録し、Gemini 3.8 Live Extended Thinking (High)の97.7％やGrok Voice 2.0の97.2％を上回りました。
➤ スピード：Big Bench AudioのGrok Voice 3.0における最初の音声が到達する平均時間は0.81秒であり、GPT-Live-1（Sol, low）の1.24秒、GPT-Live-1（Astra, medium）の1.34秒、Gemini 3.8 Live Extended Thinking（High）の1.35秒よりも大幅に速い。ただし、Grok Voice 2.0の0.70秒よりは遅い。
➤ コスト：Grok Voice 3.0は、入力音声1時間あたり4.80ドルで、Grok Voice 2.0と同じです。これは、GPT-Live-1（Sol, low）の4.47ドル、Gemini 3.8 Live Extended Thinking（High）の3.50ドルより高く、GPT-Live-1（Astra, medium）の5.83ドルより安く、GPT-Realtime-2.1 Highの10.75ドルより約2.2倍安いです。
@elonmuskと@SpaceXSIチームに祝福を 🚀
詳細は下をご覧ください ⬇️