xAI在语音模型领域再落一子。该公司近日发布名为Grok Voice 3.0的speech-to-speech模型，直接打通语音输入与语音输出环节，而非采用传统的级联式方案。

据第三方评测机构Artificial Analysis公布的Speech-to-Speech Index结果，Grok Voice 3.0以86.9分的成绩排名第一。该指数针对语音到语音模型的综合表现进行评估，覆盖交互质量与响应效率等维度。

时延表现是此次发布的另一关键指标。官方信息显示，Grok Voice 3.0的响应时延低于一秒，这一水平对于实时对话类应用具有实际意义，可减少用户在语音交互中的等待感。

从行业视角看，端到端语音模型正成为大模型厂商竞争的新方向。xAI凭借Grok Voice 3.0在公开评测中取得领先位置，后续其在真实场景中的稳定性与泛化能力仍有待观察。