SpaceX AI ha presentado Grok Voice 3.0, un modelo de conversión de voz a voz que la compañía describe como el más inteligente del mundo.
No es una afirmación gratuita: el modelo ha liderado el ranking independiente de análisis de voz artificial con una puntuación de 86,9 y ha establecido un nuevo estándar en latencia inferior a un segundo, un umbral que hasta ahora ningún competidor había alcanzado de forma consistente.
Grok Voice ya procesa millones de conversaciones diarias en los vehículos Tesla y en los centros de atención al cliente de Starlink, y ahora está disponible a través de API con precios similares a los de su predecesor.
Los números que lo colocan en la cima
Los resultados de las pruebas independientes son contundentes. Grok Voice 3.0 ha obtenido una puntuación de 97% en la prueba de voz dúplex completa, una métrica que evalúa la naturalidad con la que el modelo maneja pausas, turnos de diálogo e interrupciones. Es decir, no solo entiende lo que se le dice, sino que responde con la fluidez de una conversación humana real.
En la métrica τ-Voice, diseñada para evaluar la capacidad de un agente de manejar diversos acentos, ruido de fondo e interrupciones en escenarios de atención al cliente, Grok Voice 3.0 alcanzó un 71,6%, un rendimiento comparable al de GPT-Live-1 (Astra) pero con una latencia un 40% menor. Ese equilibrio entre inteligencia y velocidad es, según la compañía, el nuevo punto óptimo del mercado.
En la prueba EVA de ServiceNow para agentes de voz empresariales, Grok Voice 3.0 logró la puntuación de precisión más alta, del 74%, y el mejor rendimiento en la puntuación combinada de precisión general y experiencia del cliente.
El coste: más barato que sus rivales directos
La eficiencia no se mide solo en latencia. El análisis de inteligencia artificial calculó el coste por tarea completada en pruebas de referencia de audio a gran escala, y el resultado es que Grok Voice 3.0 es más económico que GPT-Live-1 (Astra, versión media) y GPT-Realtime-2.1. Es un dato relevante para las empresas que despliegan agentes de voz a escala: un modelo más barato y más rápido puede marcar la diferencia entre un proyecto viable y uno que no lo es.
Aplicaciones reales: de Tesla a Starlink
Grok Voice 3.0 no es un experimento de laboratorio. Procesa millones de conversaciones diarias en los vehículos Tesla. Los conductores pueden usar los conectores para consultar horarios, responder correos electrónicos, pedir café o reservar cenas con Grok Bot, todo con las manos libres. El modelo también es compatible con el modo de voz de Grok Bot.
En el centro de atención al cliente de Starlink, el sistema impulsado por Grok Voice gestiona 20.000 llamadas diarias en varios idiomas. Aproximadamente el 70% de las llamadas se resuelven sin intervención humana, y una cuarta parte de las llamadas de ventas se concretan antes de que el cliente cuelgue.
Un único agente inteligente basado en Grok Voice 3.0 puede verificar la identidad del cliente, diagnosticar fallos de hardware, procesar reembolsos y gestionar la sustitución de equipos de forma autónoma.
Disponibilidad y precio
Grok Voice 3.0 ya está disponible en la API de Voice Agent con un precio de 0,08 dólares por minuto (aproximadamente 4,80 dólares por hora), el mismo que Grok Voice 2.0. Los agentes que utilizan la última versión de grok-voice se han actualizado automáticamente sin necesidad de realizar ninguna modificación.
Descubre más desde CIBERED
Suscríbete y recibe las últimas entradas en tu correo electrónico.
