xAI发布Grok Voice 3.0：语音到语音模型实现亚秒级延迟，基准得分86.9
talkingdev • 2026-10-15
1888 views
xAI正式推出Grok Voice 3.0，这是一款语音到语音（speech-to-speech）模型，可通过xAI API直接调用，并且定价与上一代模型保持一致。官方强调，该模型具备亚秒级响应延迟，能够显著提升实时语音交互体验。在独立基准测试中，Grok Voice 3.0在Artificial Analysis的Speech-to-Speech Index上获得86.9分，并在ServiceNow的EVA-Bench上取得74%的成绩，展现出较强的语音理解与生成能力。对于开发者和企业而言，这意味着可以在不增加模型调用成本的情况下，获得更低延迟、更高自然度的语音对话能力，有望推动客服、语音助手、实时翻译等场景的升级。此次发布也反映出头部AI公司在多模态和实时交互领域的竞争进一步加速。
核心要点
- xAI发布Grok Voice 3.0语音到语音模型，价格与上一代持平
- 该模型具备亚秒级延迟，并在Artificial Analysis和ServiceNow基准中表现突出
- 新模型通过API开放，有望加速实时语音助手、客服等应用落地