Компания SpaceXAI представила Grok Voice 3.0, новую версию своей модели распознавания речи, которая занимает первое место в Индексе речевых моделей Artificial Analysis с оценкой 86,9. Эта модель предназначена для использования в бизнесе, занимающемся поддержкой клиентов и продажами с помощью голосовых агентов. Простая в интеграции Grok Voice 3.0, работает только через API, что исключает возможность открытого доступа к весам модели и локальных версий.
Grok Voice 3.0 демонстрирует значительные достижения в производительности: она обладает временем до первого звука 0,81 секунды, что на 40% быстрее, чем у GPT-Live-1 (Astra, medium), результат у которого составляет 1,34 секунды. Стоимость использования модели составляет 0,08 доллара США за минуту, что также сопоставимо с предыдущей версией Grok Voice 2.0, которая теперь считается устаревшей. Модель поддерживает 28 встроенных голосов и автоматическое определение языка для 20 различных локалей, что делает ее адаптивной к различным пользователям и ситуациям.
По результатам тестирования Grok Voice 3.0 показала высокий уровень успешных задач — 94,8%, а в тестах Big Bench Audio добилась результата в 98,5%, что ставит ее в число лучших предложений на рынке. Тем не менее, по критериям, связанным с агентными задачами, как τ-Voice, модель пока что уступает GPT-Live-1 с оценкой 71,6%. Тем не менее, Grok Voice 3.0 остается самой высокой по общей оценке производительности среди имеющихся аналогов, тем самым обеспечивая ценность для компаний, использующих голосовых агентов для улучшения своей клиентской поддержки. Для продакшена разработчикам рекомендуется указывать версию grok-voice-3.0 вместо алиаса grok-voice-latest.
Материал подготовлен исключительно в ознакомительно-информационных целях и не является финансовым советом и рекомендацией.
Похожие статьи
