SpaceXAI Grok Voice 3.0 деп аталатын сөйлеуді тану моделінің соңғы нұсқасын ұсынды, ол 86.9 ұпаймен Жасанды Талдау Сөйлеу Моделі Индексінде бірінші орынға ие болды. Бұл модель клиенттерді қолдау және дауыс агенттері арқылы сату саласында жұмыс істейтін кәсіпорындар үшін жасалған. Оңай интеграцияланатын Grok Voice 3.0 тек API арқылы жұмыс істейді, модель салмақтарына және жергілікті нұсқаларға ашық қол жеткізу мүмкіндігін жояды.
Grok Voice 3.0 айтарлықтай өнімділік жақсартуларын көрсетеді: оның алғашқы дыбысқа дейінгі уақыты 0.81 секунд, бұл GPT-Live-1 (Astra, орташа) нәтижесі 1.34 секунд болғанға қарағанда 40% жылдамырақ. Модельді пайдалану құны минутына $0.08, бұл да бұрынғы нұсқа Grok Voice 2.0-мен салыстырғанда, қазір ескірген болып саналады. Модель 28 кіріктірілген дауысты және 20 түрлі локаль үшін автоматты тіл анықтауды қолдайды, бұл оны әртүрлі пайдаланушылар мен жағдайларға бейімделуге мүмкіндік береді.
Сынақтарда Grok Voice 3.0 жоғары деңгейдегі табысты тапсырмаларды көрсетті—94.8%, және Big Bench Audio тесттерінде 98.5% нәтижеге қол жеткізді, оны нарықтағы ең жақсы ұсыныстардың қатарына қояды. Алайда, агент тапсырмаларына қатысты критерийлерде, мысалы, τ-Voice сияқты, модель әлі де GPT-Live-1-ден артта қалып отыр, 71.6% ұпаймен. Дегенмен, Grok Voice 3.0 қол жетімді аналогтар арасында жалпы өнімділік рейтингінде ең жоғары болып қалады, осылайша дауыс агенттерін пайдаланып, клиенттерді қолдауды жақсартатын компаниялар үшін құндылық береді. Өндіріс үшін әзірлеушілерге grok-voice-latest бүркеншік атының орнына grok-voice-3.0 нұсқасын көрсету ұсынылады.
Бұл материал тек таныстыру-ақпараттық мақсатта дайындалған және қаржылық кеңес не ұсыным болып табылмайды.
Ұқсас мақалалар
