SpaceXAI lança Grok Voice 3.0, líder em índice de fala
Grok Voice 3.0 atinge a primeira posição no índice de fala para fala da Artificial Analysis.
A SpaceXAI lançou o Grok Voice 3.0, um modelo de conversão de fala para fala que agora ocupa a primeira posição no índice de fala para fala da Artificial Analysis, com uma pontuação de 86,9. O modelo mantém o preço de US$ 0,08 por minuto, igual ao Grok Voice 2.0, e está disponível apenas via API hospedada pela SpaceXAI.
O Grok Voice 3.0 é um modelo de voz em tempo real que realiza tarefas como escuta, raciocínio e comunicação. Ele se destaca por sua baixa latência, com tempo de resposta de 0,81 segundos, 40% menor que o GPT-Live-1 (Astra, médio), que leva 1,34 segundos. No entanto, o Grok Voice 2.0 era ainda mais rápido, com 0,70 segundos.
Leia também: TypeSafe AI lança Jev 1.14 com novos recursos
Desempenho e Comparações
O Grok Voice 3.0 obteve resultados fortes nos componentes do índice, incluindo 98,5% no Big Bench Audio e 94,8% na taxa de sucesso de tarefas. Apesar de liderar no índice geral, não foi o melhor em todas as categorias, ficando atrás do StepAudio 3 Realtime em alguns benchmarks.
Comparado a outros modelos, como o GPT-Live-1 e o Gemini 3.8 Live, o Grok Voice 3.0 se destaca em algumas áreas, mas não lidera em desempenho agentico ou raciocínio de fala bruta. O custo por tarefa no Big Bench Audio é de US$ 0,025, mais barato que o GPT-Live-1, que custa US$ 0,030.
Implantação e Recursos
Para desenvolvedores, o Grok Voice 3.0 é compatível com a API Realtime da OpenAI, exigindo apenas uma nova URL e chave para migração. Suporta áudio PCM, G.711 e Opus, além de 28 vozes integradas e detecção automática de idioma. A SpaceXAI garante conformidade com SOC 2 Tipo II, HIPAA e GDPR, sem armazenamento de áudio para treinamento.
O lançamento do Grok Voice 3.0 representa um avanço significativo na tecnologia de conversão de fala para fala, oferecendo melhorias em velocidade e custo, embora ainda haja espaço para aprimoramentos em certas áreas de desempenho.
Perguntas e respostas
O que é o Grok Voice 3.0?
O Grok Voice 3.0 é um modelo de conversão de fala para fala da SpaceXAI que ocupa a primeira posição no índice de fala para fala da Artificial Analysis. Ele realiza tarefas como escuta, raciocínio e comunicação, e está disponível apenas via API hospedada pela SpaceXAI.
Como o Grok Voice 3.0 se compara a outros modelos?
O Grok Voice 3.0 lidera o índice de fala para fala com uma pontuação de 86,9, superando modelos como GPT-Live-1 e Gemini 3.8 Live em algumas métricas. No entanto, não é o melhor em todas as categorias, como desempenho agentico ou raciocínio de fala bruta.
Quais são os custos e a latência do Grok Voice 3.0?
O Grok Voice 3.0 mantém o preço de US$ 0,08 por minuto, com custo por tarefa no Big Bench Audio de US$ 0,025. Ele tem uma latência de 0,81 segundos, 40% menor que o GPT-Live-1 (Astra, médio), que leva 1,34 segundos.
Com informações de MarkTechPost.
