SpaceXSI (เดิมคือ xAI) เปิดตัวโมเดล AI "Grok Voice 3.0" เมื่อวันที่ 14 ตุลาคม 2026 (ตามเวลาสหรัฐฯ) เป็นโมเดลแบบ "เสียงสู่เสียง" ที่รับเสียงพูดของคนโดยตรงแล้วตอบกลับเป็นเสียง ใช้สำหรับสร้างเอเจนต์ AI ที่สื่อสารด้วยเสียง เช่น การรับสายโทรศัพท์หรือการสนทนาในรถยนต์ และใช้งานได้ผ่าน "Voice Agent API" สำหรับนักพัฒนาตั้งแต่วันที่เปิดตัว
xAI ผู้พัฒนา Grok ได้เปลี่ยนเป็น "SpaceXAI" หลังถูก SpaceX เข้าซื้อกิจการ และตั้งแต่เดือนตุลาคมก็ใช้ชื่อ "SpaceXSI" หน้าประกาศครั้งนี้ก็เผยแพร่ในชื่อ "SpaceXSI" เช่นกัน
Grok Voice 3.0 คืออะไร
AI เสียงที่ผ่านมาส่วนใหญ่ทำงานเป็นขั้นตอน คือถอดเสียงเป็นข้อความก่อน สร้างคำตอบเป็นข้อความ แล้วจึงแปลงกลับเป็นเสียง ส่วนโมเดลเสียงสู่เสียงอย่าง Grok Voice 3.0 เข้าใจและตอบกลับในรูปเสียงโดยตรง จุดเด่นจึงอยู่ที่เวลารอสั้น และทำให้การสนทนาใกล้เคียงธรรมชาติได้ง่าย SpaceXSI ระบุว่าใช้เวลาไม่ถึง 1 วินาทีกว่าจะได้คำตอบ
ตามเอกสารสำหรับนักพัฒนา แอปที่ใช้การตั้งค่าที่ชี้ไปยังเวอร์ชันล่าสุดเสมอ (grok-voice-latest) จะเปลี่ยนไปใช้ Grok Voice 3.0 โดยอัตโนมัติ ส่วน Grok Voice 2.0 รุ่นก่อนหน้าถูกจัดเป็นสถานะเลิกแนะนำ (deprecated คือไม่แนะนำให้ใช้ต่อในอนาคต)
ราคา
ราคาอยู่ที่นาทีละ 0.08 ดอลลาร์ (ชั่วโมงละ 4.80 ดอลลาร์) เท่ากับ Grok Voice 2.0 SpaceXSI ระบุว่าใน "Big Bench Audio" การประเมินด้านเสียงของ Artificial Analysis ค่าใช้จ่ายต่องาน 1 ชิ้นอยู่ที่ราว 0.025 ดอลลาร์ ถูกกว่า GPT-Live-1 (0.030 ดอลลาร์) และ GPT-Realtime-2.1 (0.055 ดอลลาร์) ของ OpenAI ที่นำมาเปรียบเทียบ
ผลการประเมินประสิทธิภาพ
ผลหลักที่ SpaceXSI แนะนำในประกาศมีดังนี้
- Artificial Analysis Speech-to-Speech Index: 86.9 อยู่อันดับ 1 ขณะที่ GPT-Live-1 ของ OpenAI ได้ 83.2 และ Gemini 3.8 Live ของ Google ได้ 82.6
- Full Duplex Bench (การประเมินการสนทนาที่เป็นธรรมชาติ เช่น การพูดแทรกหรือถูกพูดแทรก): 97%
- τ-Voice (การประเมินว่าทำงานที่ได้รับคำขอด้วยเสียงได้สำเร็จหรือไม่): 71.6% ในหัวข้อนี้ GPT-Live-1 ของ OpenAI (74.5%) ทำได้ดีกว่า ส่วน Gemini 3.8 Live ของ Google ได้ 68.6%
- EVA-Bench (การประเมินเอเจนต์เสียงสำหรับองค์กรโดย ServiceNow): อัตราตอบถูก 74%
ตัวเลขทั้งหมดยกเว้น EVA-Bench มาจาก "Artificial Analysis" เว็บไซต์ประเมินจากบุคคลที่สามที่เปรียบเทียบโมเดล AI
การใช้งานจริง
ตามข้อมูลของ SpaceXSI ปัจจุบัน Grok Voice จัดการบทสนทนาหลายล้านครั้งต่อวันในรถยนต์ของ Tesla ซึ่งเป็นบริษัทของอีลอน มัสก์เช่นกัน นอกจากนี้ ที่ศูนย์ช่วยเหลือของ Starlink บริการอินเทอร์เน็ตผ่านดาวเทียม โมเดลนี้แก้ปัญหาได้ราว 70% จากสายโทรเข้าราว 20,000 สายต่อวัน โดยไม่ต้องให้เจ้าหน้าที่มารับช่วงต่อ
มุมมองของกองบรรณาธิการ CoAI
Grok Voice 3.0 ไม่ใช่ฟีเจอร์ในแอปสำหรับผู้ใช้ทั่วไป แต่เป็น API สำหรับองค์กรและนักพัฒนาที่ต้องการสร้างช่องทางบริการหรือผู้ช่วยด้วยเสียง บริษัทระบุว่าเพิ่มประสิทธิภาพโดยคงราคาเดิม องค์กรที่กำลังพิจารณาระบบรับสายอัตโนมัติจึงมีตัวเลือกให้เปรียบเทียบเพิ่มขึ้น วันถัดมา OpenAI ก็อัปเดตโมเดลเสียงของ ChatGPT เช่นกัน การแข่งขันด้าน AI เสียงจึงร้อนแรงขึ้น
อย่างไรก็ตาม ในบางหัวข้อโมเดลของ OpenAI ยังทำได้ดีกว่า จึงไม่ได้เหนือกว่าในทุกด้าน และยังไม่มีการระบุว่าการสนทนาด้วยเสียงในแอป Grok จะเปลี่ยนเป็นโมเดลใหม่เมื่อใด หรือพูดภาษาญี่ปุ่นได้เป็นธรรมชาติเพียงใด หากจะใช้กับช่องทางบริการภาษาญี่ปุ่น จึงต้องทดลองกับบทสนทนาจริงเพื่อยืนยันก่อน
