SpaceXAI ने Grok Voice 3.0 लॉन्च किया, Artificial Analysis स्पीच इंडेक्स में शीर्ष पर
SpaceXAI का नया स्पीच-टू-स्पीच मॉडल Grok Voice 3.0 86.9 के स्कोर के साथ Artificial Analysis Speech-to-Speech Index में पहले स्थान पर पहुंच गया है।
SpaceXAI ने Grok Voice 3.0 जारी किया है, जो वॉइस एजेंट्स को शक्ति देने के लिए बनाया गया एक नया मॉडल है। 15 अक्टूबर 2026 तक घोषित इस मॉडल ने स्वतंत्र बेंचमार्किंग फर्म Artificial Analysis के Speech-to-Speech Index में 86.9 स्कोर के साथ शीर्ष स्थान हासिल कर लिया है।
Grok Voice 3.0 सीधे स्पीच से स्पीच पर काम करता है। SpaceXAI के अनुसार, यह उपयोगकर्ता की बात सुन सकता है, अनुरोध पर विचार कर सकता है, ज़रूरत पड़ने पर बाहरी टूल्स को कॉल कर सकता है और एक ही मॉडल के भीतर ज़ोर से जवाब दे सकता है।
डेवलपर्स को ध्यान में रखकर बनाया गया
यह रिलीज़ मुख्य रूप से उन डेवलपर्स के लिए है जो वॉइस एप्लिकेशन बना रहे हैं। SpaceXAI इस मॉडल को एक एंडपॉइंट के ज़रिए उपलब्ध करा रहा है, जिसे तृतीय-पक्ष उत्पादों में जोड़ा जा सकता है। अब तक जारी की गई जानकारी में मूल्य निर्धारण, समर्थित भाषाओं और लेटेंसी के आंकड़े उपलब्ध नहीं थे।
टूल कॉलिंग वह सुविधा है जो वॉइस मॉडल को केवल बात करने से आगे ले जाती है। इससे एक सहायक कैलेंडर, सर्च या ग्राहक-सहायता प्रणाली जैसी सेवाओं से जुड़ सकता है, और बातचीत को केवल जवाब के बजाय एक पूरे हुए काम में बदल सकता है।
यह रैंकिंग क्यों मायने रखती है
Artificial Analysis AI मॉडलों की तुलना गुणवत्ता, गति और लागत जैसे मापदंडों पर करता है। इसका Speech-to-Speech Index उन सिस्टमों पर केंद्रित है जो ऑडियो इनपुट लेते हैं और ऑडियो आउटपुट देते हैं। इस इंडेक्स में पहला स्थान पाने से SpaceXAI को प्रतिस्पर्धी वॉइस मॉडलों के मुकाबले एक मज़बूत प्रदर्शन का दावा मिलता है।
AI में वॉइस सबसे अधिक प्रतिस्पर्धी मोर्चों में से एक बन गया है। स्पीच-टू-स्पीच मॉडल पारंपरिक प्रक्रिया को छोड़ देते हैं, जिसमें पहले ऑडियो को टेक्स्ट में बदला जाता है, फिर टेक्स्ट तैयार होता है और अंत में ऑडियो संश्लेषित किया जाता है। इससे तेज़ और अधिक स्वाभाविक बातचीत की संभावना बनती है। Grok ब्रांड को वॉइस में और आगे बढ़ाना SpaceXAI की उस महत्वाकांक्षा का संकेत है कि वह डेवलपर बाज़ार का अधिक हिस्सा हासिल करे।
हालांकि, बेंचमार्क में बढ़त हमेशा वास्तविक दुनिया की गुणवत्ता में तब्दील नहीं होती। Grok Voice 3.0 वास्तविक उपयोग में कैसा प्रदर्शन करता है, यह तब और स्पष्ट होगा जब डेवलपर्स इसका परीक्षण शुरू करेंगे।
टिप्पणियाँ
अभी कोई टिप्पणी नहीं है। चर्चा शुरू करें या कोई प्रश्न पूछें।
संबंधित
Fish Audio ने Drama 3 जारी किया है, एक मिक्स्चर-ऑफ़-एक्सपर्ट्स टेक्स्ट-टू-स्पीच मॉडल जो 83 भाषाओं को सपोर्ट करता है और जिसके वेट्स राजस्व-सीमित सामुदायिक लाइसेंस के तहत उपलब्ध हैं।
Liquid AI ने LFM2.5-24B-A2B जारी किया है, जो 24 अरब पैरामीटर वाला ओपन-वेट रीज़निंग मॉडल है और प्रति टोकन केवल 2 अरब पैरामीटर सक्रिय करता है। इसे स्थानीय एजेंट्स के लिए बनाया गया है।
Google DeepMind और GovTech Singapore ने Gemma पर आधारित एक घोटाला-पहचान मॉडल को फ़ाइन-ट्यून किया है, जो पूरी तरह उपयोगकर्ताओं के फ़ोन पर चलता है और चैट को बाहर भेजे बिना छेड़छाड़ की पहचान करने का लक्ष्य रखता है।