SpaceXAI เปิดตัว Grok Voice 3.0 ขึ้นอันดับหนึ่งดัชนี Speech-to-Speech ของ Artificial Analysis
โมเดลแปลงเสียงเป็นเสียงรุ่นใหม่ของ SpaceXAI อย่าง Grok Voice 3.0 ขึ้นอันดับหนึ่งใน Artificial Analysis Speech-to-Speech Index ด้วยคะแนน 86.9

SpaceXAI เปิดตัว Grok Voice 3.0 โมเดลใหม่ที่ออกแบบมาเพื่อขับเคลื่อนเอเจนต์ด้านเสียง ประกาศเมื่อวันที่ 15 ตุลาคม 2026 โมเดลนี้ขึ้นอันดับหนึ่งใน Speech-to-Speech Index ของ Artificial Analysis ซึ่งเป็นบริษัททดสอบประสิทธิภาพอิสระ ด้วยคะแนน 86.9
Grok Voice 3.0 ทำงานจากเสียงไปยังเสียงโดยตรง ตามข้อมูลของ SpaceXAI โมเดลนี้สามารถรับฟังผู้ใช้ ประมวลผลคำขอ เรียกใช้เครื่องมือภายนอกเมื่อจำเป็น และตอบกลับด้วยเสียง ทั้งหมดอยู่ในโมเดลเดียว
มุ่งเป้าไปที่นักพัฒนา
การเปิดตัวครั้งนี้มุ่งเป้าไปที่นักพัฒนาที่สร้างแอปพลิเคชันด้านเสียงเป็นหลัก SpaceXAI เปิดให้ใช้โมเดลผ่านเอนด์พอยต์ที่สามารถเชื่อมต่อกับผลิตภัณฑ์ของบุคคลที่สามได้ ส่วนรายละเอียดอย่างราคา ภาษาที่รองรับ และตัวเลขความหน่วงเวลายังไม่ได้เปิดเผยในข้อมูลที่ประกาศออกมาจนถึงตอนนี้
การเรียกใช้เครื่องมือ (tool calling) เป็นฟีเจอร์ที่ทำให้โมเดลเสียงทำอะไรได้มากกว่าการพูดคุย โดยช่วยให้ผู้ช่วยเชื่อมต่อกับบริการต่าง ๆ เช่น ปฏิทิน การค้นหา หรือระบบดูแลลูกค้า ทำให้บทสนทนากลายเป็นงานที่เสร็จสมบูรณ์ ไม่ใช่เพียงคำตอบ
เหตุใดอันดับนี้จึงสำคัญ
Artificial Analysis เปรียบเทียบโมเดล AI ในหลายด้าน เช่น คุณภาพ ความเร็ว และต้นทุน ดัชนี Speech-to-Speech ของบริษัทมุ่งเน้นระบบที่รับอินพุตเป็นเสียงและให้เอาต์พุตเป็นเสียง การขึ้นอันดับหนึ่งในดัชนีนี้ช่วยให้ SpaceXAI มีข้อได้เปรียบด้านประสิทธิภาพที่แข็งแกร่งเมื่อเทียบกับโมเดลเสียงคู่แข่ง
เสียงกลายเป็นหนึ่งในสนามแข่งขัน AI ที่เข้มข้นที่สุด โมเดลแปลงเสียงเป็นเสียงช่วยข้ามขั้นตอนดั้งเดิมที่ต้องถอดเสียงเป็นข้อความ สร้างข้อความ และสังเคราะห์เสียงใหม่ ซึ่งให้ศักยภาพในการสนทนาที่รวดเร็วและเป็นธรรมชาติมากขึ้น การขยายแบรนด์ Grok ไปสู่ด้านเสียงสะท้อนว่า SpaceXAI ต้องการคว้าส่วนแบ่งตลาดนักพัฒนาให้มากขึ้น
อย่างไรก็ตาม ความเป็นผู้นำด้านผลการทดสอบไม่ได้หมายความเสมอไปว่าคุณภาพในการใช้งานจริงจะดีตาม ประสิทธิภาพของ Grok Voice 3.0 ในระบบที่นำไปใช้จริงจะชัดเจนขึ้นเมื่อนักพัฒนาเริ่มทดสอบ
ความคิดเห็น
ยังไม่มีความคิดเห็น เริ่มการสนทนาหรือถามคำถามได้เลย
ข่าวที่เกี่ยวข้อง
Fish Audio เปิดตัว Drama 3 โมเดลแปลงข้อความเป็นเสียงพูดแบบ mixture-of-experts ที่รองรับ 83 ภาษา พร้อมเผยแพร่น้ำหนักโมเดลแบบ open-weight ภายใต้ใบอนุญาตชุมชนที่จำกัดรายได้
Liquid AI เปิดตัว LFM2.5-24B-A2B โมเดลการให้เหตุผลแบบเปิดน้ำหนักขนาด 24 พันล้านพารามิเตอร์ ที่ใช้งานเพียง 2 พันล้านพารามิเตอร์ต่อหนึ่งโทเคน มุ่งเป้าไปที่เอเจนต์ที่ทำงานในเครื่อง
Google DeepMind และ GovTech Singapore ปรับแต่งโมเดลตรวจจับการหลอกลวงที่ใช้ Gemma ซึ่งทำงานบนโทรศัพท์ของผู้ใช้ทั้งหมด มุ่งเตือนการชักจูงโดยไม่เปิดเผยข้อความแชต


