xAIは10月14日、音声対話AIの新モデル「Grok Voice 3.0」を「Voice Agent API」経由で利用可能にしたと複数の海外メディアが報じた。既存モデル「Grok Voice 2.0」の後継で、ユーザーの発話から最初の音声応答が返るまでの遅延を1秒未満に抑えたとされる。価格は1分あたり0.08ドルで、前モデルと同額に据え置かれた。モデル名を指定せず常に最新版を呼び出す「grok-voice-latest」というエイリアスを使っている既存の利用者は、特別な操作なしに新モデルへ切り替わるという。
xAIは、第三者のベンチマークサービス「Artificial Analysis」による音声対話性能評価(Speech-to-Speech Index)で新モデルが86.9点を獲得し首位になったと主張している。ただしこの評価結果についてxAI以外による独立した検証は確認されておらず、別の評価軸である「Tau Voice」リーダーボードについても、xAIは自社が首位だとする一方、Artificial Analysis側の公開データでは2位にとどまっているとの食い違いを指摘する海外メディアもある。
想定される用途としては、音声での双方向対話が必要なカスタマーサポートや車載アシスタントなどが挙げられており、マスク氏が率いるTeslaの車載アシスタントや衛星通信事業Starlinkのサポート対応にも同社の音声モデルが使われていると報じられている。
出典: iClarified
