Hôm nay, chúng tôi công bố Grok Voice 3.0, mô hình chuyển giọng nói thành giọng nói thông minh nhất thế giới. Mô hình lập kỷ lục mới về khả năng xử lý cuộc gọi hỗ trợ khách hàng, có độ trễ hàng đầu ngành dưới một giây và chi phí thấp hơn các mô hình tiên tiến khác. Grok Voice hỗ trợ hàng triệu cuộc trò chuyện mỗi ngày trên Tesla và SpaceX, đồng thời hiện đã có mặt trong API với mức giá bằng phiên bản tiền nhiệm.
Mô hình giọng nói chính xác nhất
Trong các bài kiểm tra độc lập của Artificial Analysis, Grok Voice 3.0 xếp hạng #1 trên Speech-to-Speech Index, với điểm số 86.9. Chỉ số này kết hợp khả năng suy luận bằng giọng nói, τ-Voice, cùng mức độ ưa thích và tỷ lệ hoàn thành tác vụ dựa trên các cuộc gọi đối đầu được đánh giá ẩn danh. Grok Voice 3.0 cũng đạt 97% trên Full Duplex Bench, thước đo khả năng xử lý tự nhiên các khoảng ngừng, lượt nói và sự gián đoạn.
Benchmark | Grok Voice 3.0 (bản phát hành này) | Grok Voice 2.0 | GPT-Live-1(Astra, Medium) | Gemini 3.8 Live(Ext. Thinking, High) |
|---|---|---|---|---|
Tổng thể AA Speech-to-Speech Index | 86.9 | 81.3 | 83.2 | 82.6 |
Speech Reasoning Big Bench Audio | 98.5% | 97.2% | 90.1% | 97.7% |
Human Preference Speech Agent Arena Elo | 1070 | 1011 | 1048 | 990 |
Task Completion Task Success Rate | 94.8% | 94.6% | 87.4% | 89.1% |
Conversational Dynamics Full Duplex Bench | 97.0% | 95.1% | 94.9% | 91.9% |
Nguồn: Artificial Analysis, ngày 13 tháng 10 năm 2026.
τ-Voice đo lường khả năng xử lý cuộc gọi hỗ trợ của các agent trong điều kiện có nhiều giọng vùng miền, tiếng ồn nền và tình trạng ngắt lời. Grok Voice 3.0 đạt 71,6%, tương đương GPT-Live-1 (Astra), nhưng có độ trễ thấp hơn 40%, thiết lập một giới hạn mới về trí tuệ của agent so với khả năng phản hồi.
Chi phí vận hành mô hình này cũng thấp hơn các mô hình tương đương. Artificial Analysis đo lường chi phí để mỗi mô hình hoàn thành một tác vụ trong bài chạy Big Bench Audio; Grok Voice 3.0 có chi phí thấp hơn cả GPT-Live-1 (Astra, Medium) và GPT-Realtime-2.1.
Trong EVA-Bench, benchmark của ServiceNow dành cho các agent giọng nói trong doanh nghiệp, Grok Voice 3.0 đạt điểm độ chính xác cao nhất ở mức 74% và là mô hình hoạt động tốt nhất khi chấm điểm tổng hợp về độ chính xác và trải nghiệm khách hàng.
“Grok Voice 3.0 thiết lập một giới hạn Pareto mới trên EVA-Bench, benchmark mã nguồn mở của ServiceNow dùng để chấm điểm độ chính xác và trải nghiệm của các agent giọng nói trong hơn 200 tình huống doanh nghiệp thực tế. Mô hình kết hợp độ chính xác hàng đầu với khả năng trò chuyện tự nhiên, phản hồi nhanh, thiết lập một tiêu chuẩn mới về những gì doanh nghiệp có thể kỳ vọng ở AI trên tuyến đầu của dịch vụ khách hàng.”
Nitin Aggarwal, Giám đốc cấp cao phụ trách Quản lý sản phẩm, Agentic Evals and RAI, ServiceNow
Được hàng triệu khách hàng tại Tesla và SpaceX sử dụng
Grok Voice 3.0 xử lý hàng triệu cuộc trò chuyện mỗi ngày trên xe Tesla. Tài xế có thể dùng Connectors cho những yêu cầu đơn giản như xem lịch hoặc trả lời email, và Grok Bot cho các tác vụ phức tạp hơn như gọi cà phê hoặc đặt chỗ ăn tối—tất cả đều hoàn toàn rảnh tay (xem trên X). Grok Voice 3.0 cũng hỗ trợ chế độ giọng nói của Grok Bot.
Các trung tâm chăm sóc khách hàng của Starlink dùng Grok Voice để trả lời 20.000 cuộc gọi mỗi ngày bằng nhiều ngôn ngữ. Khoảng 70% vấn đề được giải quyết mà không cần con người can thiệp, và cứ bốn cuộc gọi bán hàng thì có một cuộc kết thúc bằng giao dịch mua hàng trước khi người gọi cúp máy. Một agent duy nhất được xây dựng trên Grok Voice 3.0 có thể xác minh khách hàng, khắc phục sự cố phần cứng, cấp khoản tín dụng và gửi thiết bị thay thế.
Giá và tình trạng cung cấp
Hiện bạn có thể sử dụng Grok Voice 3.0 trong Speech to Speech API với mức giá $0.08 / min ($4.80 / hr), bằng với mức giá của Grok Voice 2.0. Các agent sử dụng grok-voice-latest đã được tự động chuyển đổi, không cần thực hiện thay đổi nào.
Chia sẻ bài toán của bạn
LionTech sẽ đề xuất hướng ứng dụng Grok phù hợp.