TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
SpaceXSI บริษัทปัญญาประดิษฐ์ของ Elon Musk ซึ่งเดิมรู้จักกันในชื่อ xAI ได้เปิดตัว Grok Voice 3.0 โมเดลเวอร์ชันใหม่สำหรับประมวลผลเสียงพูดเป็นเสียงพูด (Speech-to-Speech) ซึ่งเป็นหัวใจสำคัญของ Voice Agent API ของบริษัท
SpaceXSI กำลังนำเสนอโมเดลนี้ให้กับภาคธุรกิจที่ต้องจัดการงานด้านบริการลูกค้าและสายการขายด้วยเอเจนต์เสียง โดยบริษัททดสอบอิสระอย่าง Artificial Analysis ได้จัดอันดับให้โมเดลนี้เป็นที่หนึ่งในกลุ่มโมเดลประเภทเดียวกัน ทั้งนี้ Artificial Analysis ซึ่งใช้เกณฑ์การจัดอันดับจากการทดสอบด้านการให้เหตุผล ความสำเร็จในการทำงาน และผลโหวตจากผู้ฟังในรูปแบบการทดสอบแบบอำพรางได้ให้คะแนน Grok Voice 3.0 อยู่ที่ 86.9 บนดัชนี Speech-to-Speech Index
บนดัชนีเดียวกัน GPT-Live-1 ของ OpenAI ซึ่งทดสอบโดยใช้โมเดล GPT-6 Astra ในการให้เหตุผล ได้คะแนนไป 83.2 ในขณะที่ Gemini 3.8 Live ของ Google ทำคะแนนได้ 82.6 ส่วน Full Duplex Bench ซึ่งประเมินความเป็นธรรมชาติของโมเดลในการจัดการกับช่วงหยุดชะงักและการแทรกแซงระหว่างสนทนา ให้คะแนนโมเดล Grok รุ่นใหม่นี้สูงถึง 97%
โมเดลจาก OpenAI ยังคงรักษาความได้เปรียบเพียงเล็กน้อยในแบบทดสอบ Tau-Voice ซึ่งเป็นการทดสอบจำลองการโทรเข้าศูนย์บริการที่มีผู้พูดสำเนียงหนักและมีเสียงรบกวนพื้นหลัง โดยได้คะแนน 74.5% ต่อ 71.6% อย่างไรก็ตาม SpaceXSI ระบุว่าโมเดลของตนสามารถประมวลผลเสียงแรกได้เร็วกว่าประมาณ 40% ในการทดสอบดังกล่าว ส่วนงานในชุดการทดสอบ Big Bench Audio ของ Artificial Analysis นั้น Grok Voice 3.0 มีต้นทุนการดำเนินการอยู่ที่ประมาณ 2.5 เซนต์ต่อรายการ เมื่อเทียบกับ 3 เซนต์ใน GPT-Live-1 และ 5.5 เซนต์ใน GPT-Realtime-2.1 ของ OpenAI
นอกเหนือจากการทดสอบของ Artificial Analysis แล้ว Grok Voice 3.0 ยังเป็นผู้นำในด้านความแม่นยำบน EVA-Bench ซึ่งเป็นแบบทดสอบโอเพนซอร์สของ ServiceNow โดยทำคะแนนได้ 74% จากสถานการณ์จำลองระดับองค์กรกว่า 200 รายการ โดยไม่มีโมเดลใดที่ทำคะแนนด้านความแม่นยำและประสบการณ์ลูกค้าได้ดีไปกว่านี้ Nitin Aggarwal ผู้อำนวยการอาวุโสฝ่ายจัดการผลิตภัณฑ์ของ ServiceNow กล่าวว่าโมเดลนี้ “ผสมผสานความแม่นยำระดับแนวหน้าเข้ากับการสนทนาที่เป็นธรรมชาติและตอบสนองได้อย่างรวดเร็ว”
ในการใช้งานจริง รถยนต์ของ Tesla มีการใช้งาน Grok Voice วันละหลายล้านครั้ง ผู้ขับขี่ต่างอาศัยฟีเจอร์นี้ในการตรวจสอบปฏิทินและตอบกลับอีเมล สำหรับภารกิจที่ซับซ้อนขึ้น เช่น การจองร้านอาหาร จะดำเนินการผ่าน Grok Bot ที่โหมดเสียงก็ทำงานบนโมเดลใหม่นี้เช่นกัน
สำหรับ Starlink ธุรกิจอินเทอร์เน็ตผ่านดาวเทียมของ SpaceX ก็ใช้ Grok Voice ในการรับสายลูกค้าประมาณ 20,000 สายต่อวันในหลายภาษา โดย SpaceXSI ระบุว่าประมาณ 70% ของสายเหล่านี้สามารถแก้ไขปัญหาได้โดยไม่ต้องพึ่งพาพนักงานที่เป็นมนุษย์ และสายการขาย 1 ใน 4 จบลงด้วยการสั่งซื้อก่อนที่ผู้โทรจะวางสาย
SpaceX เข้าซื้อกิจการ xAI ในเดือนกุมภาพันธ์ โดยหน่วยงานด้าน AI ดังกล่าวถูกเปลี่ยนชื่อเป็น SpaceXAI ในเดือนกรกฎาคม และเปลี่ยนมาใช้ชื่อ SpaceXSI ในช่วงต้นเดือนที่ผ่านมา
Grok Voice 3.0 พร้อมใช้งานแล้วใน Voice Agent API ที่ราคา 8 เซนต์ต่อนาที หรือ 4.80 ดอลลาร์ต่อชั่วโมง ซึ่งเป็นราคาเดียวกับ Grok Voice 2.0 และสำหรับนักพัฒนาที่เชื่อมต่อเอเจนต์ของตนเข้ากับโมเดล grok-voice-latest ก็ได้ถูกย้ายไปยังเวอร์ชันใหม่เรียบร้อยแล้วโดยไม่ต้องทำการเปลี่ยนแปลงใด ๆ จากฝั่งผู้ใช้งาน
