xAI cho biết Grok Voice 3.0 là mô hình AI hội thoại có khả năng tiếp nhận và phản hồi trực tiếp bằng giọng nói, với độ trễ dưới một giây. Mô hình được cung cấp qua API với mức giá tương đương phiên bản tiền nhiệm. Theo hãng, công nghệ này đang xử lý hàng triệu cuộc hội thoại mỗi ngày trong các dịch vụ của Tesla và SpaceX.
Theo dữ liệu từ Artificial Analysis được xAI dẫn lại, Grok Voice 3.0 đạt 86,9 điểm trên Speech-to-Speech Index, cao hơn mức 81,3 điểm của Grok Voice 2.0, 83,2 điểm của GPT-Live-1 Astra và 82,6 điểm của Gemini 3.8 Live. Chỉ số này đánh giá nhiều tiêu chí, gồm khả năng suy luận bằng giọng nói, xử lý cuộc gọi, mức độ yêu thích của người dùng và tỷ lệ hoàn thành tác vụ trong các thử nghiệm đối đầu mù.
Trong bài kiểm tra Full Duplex Bench, Grok Voice 3.0 đạt 97%, so với 95,1% của phiên bản trước. Phép thử tập trung đánh giá khả năng xử lý khoảng dừng, luân phiên lượt nói và phản hồi khi người dùng ngắt lời trợ lý.
Trong phép thử τ-Voice, đánh giá khả năng xử lý cuộc gọi chăm sóc khách hàng trong môi trường có nhiều giọng nói, tiếng ồn và hội thoại gián đoạn, Grok Voice 3.0 đạt tỷ lệ hoàn thành 71,6%.
Theo xAI, kết quả này tương đương GPT-Live-1 Astra, nhưng độ trễ thấp hơn 40%. Dữ liệu từ Artificial Analysis do hãng dẫn lại cũng cho thấy chi phí trung bình mỗi tác vụ của Grok Voice 3.0 thấp hơn GPT-Live-1 Astra Medium và GPT-Realtime-2.1.
Trong khi đó, tại EVA-Bench của ServiceNow, Grok Voice 3.0 đạt độ chính xác 74% qua hơn 200 tình huống mô phỏng nghiệp vụ doanh nghiệp, bao gồm xác minh khách hàng, xử lý sự cố, cấp khoản hoàn trả và hỗ trợ dịch vụ qua điện thoại.
Theo xAI, Grok Voice 3.0 đang xử lý hàng triệu cuộc hội thoại mỗi ngày trên các phương tiện Tesla. Thông qua Connectors, người lái có thể dùng giọng nói để kiểm tra lịch, trả lời thư điện tử hoặc yêu cầu Grok Bot đặt đồ uống, đặt bàn.
Tại các trung tâm chăm sóc khách hàng của Starlink, Grok Voice tiếp nhận khoảng 20.000 cuộc gọi mỗi ngày bằng nhiều ngôn ngữ. xAI cho biết, khoảng 70% số cuộc gọi được giải quyết mà không cần chuyển tiếp cho nhân viên.
Trong lĩnh vực bán hàng, cứ bốn cuộc gọi có một trường hợp phát sinh giao dịch mua trước khi người dùng kết thúc cuộc gọi. Trợ lý AI cũng có thể thực hiện nhiều công đoạn trong một quy trình, từ xác minh khách hàng, kiểm tra thiết bị đến cấp khoản hoàn trả và yêu cầu gửi thiết bị thay thế.
Voice Agent API cho phép nhà phát triển tích hợp Grok Voice vào các tác nhân AI giao tiếp bằng giọng nói, xử lý linh hoạt lượt nói, khoảng dừng và tình huống người dùng ngắt lời. Công nghệ hướng tới các nghiệp vụ như chăm sóc khách hàng, từ xác minh thông tin, xử lý sự cố đến hoàn tiền và gửi thiết bị thay thế.
Grok Voice 3.0 được cung cấp qua API với giá 0,08 USD/phút, tương đương 4,80 USD/giờ, không đổi so với phiên bản Grok Voice 2.0.
Chi Chi(t/h)
