മനുഷ്യരോട് സംസാരിക്കാൻ ഇലോൺ മസ്കിന്റെ പുതിയ Grok Voice 3.0; ഞെട്ടിക്കുന്ന പ്രകടനം!

ലോകത്തിലെ ഏറ്റവും ബുദ്ധിശാലിയായ സ്പീച്ച്-ടു-സ്പീച്ച് എഐ മോഡലെന്ന അവകാശവാദത്തോടെ ഇലോൺ മസ്കിന്റെ സ്പേസ്എക്സ് എഐ പുതിയ ഗ്രോക്ക് വോയ്സ് 3.0 എഐ മോഡൽ പ്രഖ്യാപിച്ചു. കസ്റ്റമർ സപ്പോർട്ട് കോളുകൾ ഉൾപ്പെടെ മനുഷ്യരുമായുള്ള സ്വാഭാവിക സംഭാഷണം മികച്ച രീതിയിൽ കൈകാര്യം ചെയ്യാൻ കഴിവുള്ള വോയ്സ് എഐ മോഡലാണിത്. ഒരു സെക്കൻഡിൽ താഴെയുള്ള കുറഞ്ഞ ലേറ്റൻസിയിൽ മറുപടി നൽകാൻ ശേഷിയുള്ള ഈ മോഡൽ മുൻനിര മോഡലുകളേക്കാൾ കുറഞ്ഞ ചെലവിലാണ് ലഭ്യമാക്കുന്നത്.

ആർട്ടിഫിഷ്യൽ അനാലിസിസിന്റെ (Artificial Analysis) സ്പീച്ച്-ടു-സ്പീച്ച് ഇൻഡക്സിൽ 86.9 സ്കോറോടെ ഗ്രോക്ക് വോയ്സ് 3.0 ഒന്നാം സ്ഥാനത്തെത്തിയിട്ടുണ്ട്. സംഭാഷണത്തിനിടയിലെ നിശബ്ദതകൾ, തടസ്സപ്പെടുത്തലുകൾ (interruptions) എന്നിവ കൈകാര്യം ചെയ്യുന്നതിലെ കഴിവ് അളക്കുന്ന ഫുൾ ഡ്യൂപ്ലക്സ് ബെഞ്ചിൽ (Full Duplex Bench) 97% സ്കോർ നേടാനും ഈ മോഡലിന് സാധിച്ചു. ബിഗ് ബെഞ്ച് ഓഡിയോ (Big Bench Audio) സ്പീച്ച് റീസണിംഗിൽ 98.5% പ്രകടനവും, ടാസ്ക് സക്സസ് റേറ്റിൽ 94.8% നേട്ടവും രേഖപ്പെടുത്തി.

വ്യത്യസ്ത ഉച്ചാരണ രീതികളും പശ്ചാത്തല ശബ്ദങ്ങളും കൈകാര്യം ചെയ്യുന്ന ടി-വോയ്സ് (τ-Voice) ബെഞ്ച്മാർക്കിൽ 71.6% സ്കോർ നേടി. ഇത് GPTLive1 മോഡലിന് തുല്യമാണെങ്കിലും അതിനേക്കാൾ 40% കുറഞ്ഞ ലേറ്റൻസിയിൽ ഗ്രോക്ക് വോയ്സ് 3.0 പ്രവർത്തിക്കും.

ബിഗ് ബെഞ്ച് ഓഡിയോ റണ്ണിൽ ഒരു ടാസ്കിന് ശരാശരി $0.025 മാത്രമാണ് ചെലവ് വരുന്നത്. ഇത് GPTLive1 ($0.030), GPTRealtime2.1 ($0.055) എന്നിവയേക്കാൾ കുറവാണ്.

സർവീസ് നൗവിന്റെ EVABench ബെഞ്ച്മാർക്കിൽ 74% കൃത്യതയോടെ എന്റർപ്രൈസ് വോയ്സ് ഏജന്റുകളിൽ ഏറ്റവും ഉയർന്ന സ്കോർ ഗ്രോക്ക് വോയ്സ് 3.0 സ്വന്തമാക്കിയിട്ടുമുണ്ട്.

ടെസ്‌ല, സ്റ്റാർലിങ്ക് ഉപയോഗങ്ങൾ

ടെസ്‌ല കാറുകളിൽ പ്രതിദിനം ദശലക്ഷക്കണക്കിന് സംഭാഷണങ്ങൾ ഗ്രോക്ക് വോയ്സ് 3.0 കൈകാര്യം ചെയ്യുന്നുണ്ട്. ഡ്രൈവർമാർക്ക് കലണ്ടർ പരിശോധിക്കൽ, ഇമെയിൽ അയക്കൽ, കോഫി ഓർഡർ ചെയ്യൽ, റെസ്റ്റോറന്റ് ബുക്കിംഗ് എന്നിവ ഹാൻഡ്സ്ഫ്രീയായി ചെയ്യാനാകും.

വിവിധ ഭാഷകളിലായി പ്രതിദിനം ഉപഭോക്താക്കളിൽ നിന്നുള്ള 20,000ത്തോളം കോളുകളാണ് സ്റ്റാർലിങ്ക് കോൾ സെന്ററുകൾ ഗ്രോക്ക് വോയ്സ് വഴി കൈകാര്യം ചെയ്യുന്നത്. ഇതിൽ 70% കോളുകളും മനുഷ്യ ഇടപെടലുകളില്ലാതെ മോഡൽ തന്നെ പരിഹരിക്കുന്നു. കൂടാതെ ഉപഭോക്താക്കളെ വേരിഫൈ ചെയ്യാനും ഹാർഡ്‌വെയർ തകരാറുകൾ പരിഹരിക്കാനും റീപ്ലേസ്‌മെന്റ് ഉപകരണങ്ങൾ അയക്കാനും ഈ സിസ്റ്റത്തിന് സാധിക്കും.

വിലയും ലഭ്യതയും

ഗ്രോക്ക് വോയ്സ് 3.0 നിലവിൽ വോയ്സ് ഏജന്റ് എപിഐ (Voice Agent API) വഴി ലഭ്യമാണ്. മിനിറ്റിന് $0.08 ($4.80 / മണിക്കൂർ) എന്ന നിരക്കിലാണ് ഇത് ലഭ്യമാക്കിയിരിക്കുന്നത്; ഇത് മുൻ പതിപ്പായ ഗ്രോക്ക് വോയ്സ് 2.0ന്റെ അതേ വിലയാണ്. നിലവിൽ grokvoicelatest ഉപയോഗിക്കുന്ന ഡെവലപ്പർമാർക്ക് ഓട്ടോമാറ്റിക് ആയി പുതിയ പതിപ്പിലേക്ക് അപ്‌ഗ്രേഡ് ലഭിക്കും.

Content Highlights: SpaceX has announced Grok Voice 3.0, claiming it to be the world's most intelligent speech-to-speech AI model, featuring ultra-low latency, industry-leading benchmark scores, and cost-effective deployment across Tesla vehicles and Starlink customer support centers.