تقدّم xAI نموذج تحويل الكلام إلى كلام Grok Voice 3.0 لوكلاء الصوت

أعلنت xAI عن Grok Voice 3.0 في 14 أكتوبر 2026، وأتاحته ضمن واجهة برمجة تطبيقات Voice Agent API بسعر 0.08 دولار للدقيقة. ووصفت الشركة Grok Voice 3.0 بأنه أذكى نموذج صوتي في العالم، وقالت إنه يحقق رقمًا قياسيًا جديدًا في معالجة مكالمات دعم العملاء، بزمن استجابة يقل عن ثانية وتكلفة تشغيل أدنى من النماذج الرائدة الأخرى.

بحسب xAI، يتيح Grok Voice إجراء ملايين المحادثات يوميًا عبر Tesla وSpaceX، وقد طُرح الإصدار الجديد بالسعر نفسه الذي كان للإصدار السابق.

نتائج المعايير التي استشهدت بها xAI

استشهد إعلان xAI باختبارات مستقلة أجرتها Artificial Analysis ونُشرت في 13 أكتوبر 2026، وأفادت بأن Grok Voice 3.0 يتصدر مؤشر Speech-to-Speech Index بنتيجة 86.9. ويعرض جدول المقارنة المنشور مع الإعلان GPT-Live-1 (Astra، Medium) بنتيجة 83.2، وGemini 3.8 Live (Extended Thinking، High) بنتيجة 82.6، وGrok Voice 2.0 بنتيجة 81.3.

وفي مكوّنات المؤشر، أفادت xAI بتحقيق 98.5% في الاستدلال الصوتي ضمن Big Bench Audio، ودرجة تفضيل Elo تبلغ 1070 في Speech Agent Arena، ومعدل نجاح في المهام قدره 94.8%، ونتيجة 97.0% في Full Duplex Bench، الذي يقيس مدى طبيعية تعامل النموذج مع فترات الصمت وتناوب الأدوار والمقاطعات. أما الأرقام المدرجة لـGrok Voice 2.0 في الجدول نفسه، فكانت 97.2% و1011 و94.6% و95.1%.

وفي tau-Voice، وهو معيار يستند إلى مكالمات محاكاة لخدمة العملاء، أفادت xAI بأن Grok Voice 3.0 حقق 71.6%، ووصفت النتيجة بأنها تضاهي أداء GPT-Live-1 (Astra) مع زمن استجابة أقل بنسبة 40%. ويعرض الرسم البياني المنشور GPT-Live-1 (Astra، Medium) بنتيجة 74.5%، وGemini 3.8 Live (Extended Thinking، High) بنتيجة 68.6%، وGrok Voice 2.0 بنتيجة 56.5%.

وأفادت xAI أيضًا بأن Artificial Analysis قاست متوسط تكلفة المهمة في اختبار Big Bench Audio، فبلغت 0.025 دولار لـGrok Voice 3.0، مقابل 0.030 دولار لـGPT-Live-1 (Astra، Medium) و0.055 دولار لـGPT-Realtime-2.1 (High).

كيف تقيّم Artificial Analysis النماذج الصوتية

تعرّف Artificial Analysis مؤشر Speech-to-Speech Index بأنه نتيجة موزونة بالتساوي عبر أربعة مكوّنات: الاستدلال الصوتي في Big Bench Audio، وأداء الوكلاء في tau-Voice، وتفضيل المستخدمين في الاختبارات التنافسية، ومعدل النجاح في المهام. ويجب أن يقدّم النموذج نتائج في المكوّنات الأربعة كلها كي يحصل على درجة في المؤشر.

يتألف Big Bench Audio من 1,000 سؤال صوتي مقتبس من Big Bench Hard، موزعة بواقع 250 سؤالًا على كل فئة من الفئات الأربع: المغالطات الشكلية، والتنقّل، وعدّ الأشياء، وأكاذيب الويب. ويتلقى النموذج كل سؤال بصيغة صوتية، ثم يُنشئ إجابة صوتية تُقيّم على أنها صحيحة أو خاطئة.

في tau-Voice، يتصل محاكي لمستخدم صوتي بالنموذج الخاضع للاختبار، الذي يعمل وكيلًا لدعم العملاء مع إمكانية الوصول إلى أدوات خاصة بالمجال ووثيقة للسياسات. ولكل مهمة حالة نهائية واحدة صحيحة في قاعدة البيانات؛ وتقارن عملية التقييم الحالة النهائية بتلك الحالة المرجعية، ويُحسب متوسط النتائج المعروضة عبر ثلاث تجارب متى توفرت. أما مكوّن تفضيل المستخدمين في الاختبارات التنافسية، فيعتمد على تصنيف Elo للمقارنة بين نموذجين، ويُحتسب استنادًا إلى مشاركين بشريين ينفذون السيناريو نفسه باستخدام نموذجين لم تُكشف هويتهما.

يغطي الإصدار 1 من Full Duplex Bench التعامل مع فترات الصمت وتناوب الأدوار، فيما يضيف الإصدار 1.5 التعامل مع مقاطعات المستخدم، وكذلك الاستجابات الصوتية القصيرة التي تُظهر الإصغاء، مثل مواصلة الحديث على نحو صحيح عندما يقول المتصل «نعم» أو «حسنًا». وتعرّف Artificial Analysis زمن إنتاج الصوت الأول بأنه عدد الثواني اللازمة لتوليد أول وحدة صوتية.

نتيجة ServiceNow في EVA-Bench

أفادت xAI بأن Grok Voice 3.0 حقق أعلى درجة دقة في EVA-Bench، وهو معيار ServiceNow لوكلاء الصوت في المؤسسات، مسجلًا 74%، وكان النموذج الأفضل أداءً عند تقييم الدقة وتجربة العملاء معًا.

وقال نيتين أغاروال، المدير الأول لإدارة المنتجات في مجال تقييم الوكلاء والذكاء الاصطناعي المسؤول لدى ServiceNow، في بيان نُشر مع الإعلان، إن Grok Voice 3.0 «يرسم جبهة باريتو جديدة في EVA-Bench، معيار ServiceNow مفتوح المصدر لتقييم دقة وكلاء الصوت وتجربتهم عبر أكثر من 200 سيناريو مؤسسي واقعي».

يصف فريق ServiceNow AI Research معيار EVA-Bench بأنه إطار تقييم مفتوح المصدر يقيس أداء وكلاء الصوت عبر محادثات منطوقة كاملة متعددة الأدوار، باستخدام بنية تواصل بين الروبوتات. ويغطي المعيار ثلاثة مجالات: خدمة العملاء، بأدواتها الـ15 وسيناريوهاتها الـ50 التي تشمل إعادة الحجز بسبب تعطل الرحلات، والتغييرات الاختيارية، والإلغاءات، والقسائم؛ وإدارة خدمات تقنية المعلومات، بأدواتها الـ59 وسيناريوهاتها الـ80؛ والموارد البشرية، بأدواتها الـ47 وسيناريوهاتها الـ83 التي تتناول المزايا، والجدولة، والإجازات، والأسئلة المتعلقة بالسياسات. ويُقيّم الوكلاء وفق بُعدين: EVA-A، الذي يقيس ما إذا كان الوكيل قد أنجز المهمة على نحو صحيح، وEVA-X، الذي يقيس جودة التجربة الحوارية. ويُعد EVA-Bench جزءًا من مجموعة معايير NOWAI-Bench التابعة لـServiceNow.

نشر التقنية في Tesla وStarlink

بحسب xAI، يعالج Grok Voice 3.0 ملايين المحادثات يوميًا داخل سيارات Tesla، حيث يمكن للسائقين استخدام Connectors لطلبات مثل التحقق من التقويم أو الرد على رسالة بريد إلكتروني، واستخدام Grok Bot لإنجاز مهام أكبر، مثل طلب القهوة أو حجز العشاء، وكل ذلك دون استخدام اليدين. ويشغّل النموذج أيضًا الوضع الصوتي في Grok Bot.

قالت xAI إن مراكز اتصالات Starlink تستخدم Grok Voice للرد يوميًا على 20,000 مكالمة من العملاء بلغات متعددة. وتُحلّ نحو 70% من هذه المكالمات من دون تدخل بشري، كما تنتهي مكالمة واحدة من كل أربع مكالمات مبيعات بعملية شراء قبل أن ينهي المتصل المكالمة. ويتولى وكيل واحد مبني على Grok Voice 3.0 التحقق من هوية العملاء، وتشخيص أعطال الأجهزة، ومنح أرصدة، وشحن أجهزة بديلة.

الأسعار والتوافر

يتوفر Grok Voice 3.0 عبر واجهة برمجة تطبيقات الوكلاء الصوتيين بسعر 0.08 دولار للدقيقة، أو 4.80 دولارات للساعة، وهو السعر نفسه لـ Grok Voice 2.0. وقد نُقل الوكلاء الذين يستخدمون grok-voice-latest تلقائيًا إلى الإصدار الجديد، من دون الحاجة إلى إجراء أي تغييرات، بحسب xAI.