SpaceXAI presenta grok voice 3.0 como el modelo de conversión de voz-a-voz de mejor rendimiento

SpaceXAI ha lanzado Grok Voice 3.0, un modelo de conversión de voz-a-voz que supera a sus predecesores y a la competencia en el Índice Artificial Analysis Speech-to-Speech, alcanzando una puntuación de 86,9. El modelo mantiene la misma estructura de punto final y de precios que Grok Voice 2.0, con una tarifa de 0,08 dólares por minuto. Ahora es la versión predeterminada, accesible a través del punto final grok-voice-3.0 y el alias grok-voice-latest. El modelo destaca en varios puntos de referencia, incluyendo una precisión de hasta el 74% en el EVA-Bench de ServiceNow y una latencia de 0,81 segundos, que es un 40% inferior a GPT-Live-1. Grok Voice 3.0 también tiene una ventaja de costes sobre GPT-Live-1 y Gemini 3.8 Live Extended Thinking, con un coste de tarea de 0,025 dólares frente a 0,030 y 0,055 dólares, respectivamente. La API es compatible con la API OpenAI Realtime, lo que simplifica la migración para los desarrolladores. SpaceXAI no ha revelado el número de parámetros ni los detalles de la arquitectura, pero el modelo admite la razón a un alto nivel y ofrece tiempos de respuesta más rápidos con la configuración 'none'. Integra herramientas como la búsqueda de colecciones, la búsqueda web y funciones personalizadas dentro de la sesión. Grok Voice 2.0 ya no está disponible, y se recomienda a los desarrolladores que utilicen la última versión para producción.