イーロン・マスク傘下の人工知能企業 xAI はこのほど、新型音声モデル「Grok Voice3.0」を正式に発表し、音声エージェント API を通じて全面的に利用可能にした。前世代に比べ毎分 0.08 ドルという手頃な価格を維持したうえで、同モデルはコア性能と応答速度において全方位的な向上を果たした。
xAI の音声インタラクション分野における最新作である Grok Voice3.0 は、権威ある音声から音声への総合指数テストに初参加で 86.9 点を獲得し、ランキング第 1 位に輝いた。複数のコア指標で目覚ましい成果を挙げており、タスク成功率は業界首位、音声推論能力はグーグルの関連モデルを上回り、音声エージェントの実行能力は GPT-Live-1 の中位構成版に次ぎ、ユーザー選好ランキングでは第 3 位となっている。
実際の性能面では、同モデルは驚くべき速度の成績を残した。平均初回音声応答時間はわずか 0.81 秒で、しっかりと 1 秒以内に収まっている。公式によると、Grok Voice3.0 は「応答時間が 1 秒未満でありながら、総合コストは業界最先端の類似モデルより低い」という優れたバランスの実現に成功したという。
現在、この強力な音声モデルは複数の実際のシーンで深く実装されている。テスラ車のインテリジェント音声インタラクションシステムに広く採用されているだけでなく、スペース X のスターリンクカスタマーセンターにも全面的に導入されている。データによると、スターリンクのカスタマーセンターでは毎日約 2 万件の多言語電話に対応しており、そのうち約 70% の通話は人手を介さずにこのモデルだけで解決できており、卓越した商業的実用価値を示している。