テスラの車内でGrokに話しかけている人に朗報です。Grokを手がけるSpaceXSIが「世界で最も賢い音声対音声モデル」とうたうGrok Voice 3.0を公開しました。強気な宣伝文句には独立系ベンチマークの裏付けがあり、しかもこのモデルは、テスラ車内とスターリンクのコールセンターで、すでに1日数百万件の会話をこなしています。
何が新しい？
Grok Voice 3.0は「音声対音声」のモデルです。声をいったん文字に起こして考え、答えを読み上げるのではなく、音声で聞いて音声で直接返します。音声アシスタントが「電話の自動音声メニュー」ではなく「会話」に感じられるのは、このおかげです。SpaceXSIの発表によると、応答は1秒未満で、料金は競合を下回る設定です。
SpaceXSIが独立系ベンチマークから報告している主な数字はこちら。
- 音声対音声インデックスで1位（スコア86.9）。音声での推論、カスタマーサポート用ベンチマーク「τ-Voice」、ブラインド形式の対戦通話の結果を組み合わせた指標です。
- Full Duplex Benchで97%。間の取り方、話者の交代、割り込みをどれだけ自然にこなせるかを測るテストです。つまり、黙るべきタイミングをわかっている、ということ。
- τ-Voiceで71.6%。なまりや雑音、割り込みをサポート担当にぶつけるテストで、Grok Voice 2.0の56.5%から大きく向上。OpenAIのGPT-Live-1と同等の水準を、40%低い遅延で達成しています。
- EVA-Benchで74%。ServiceNowの企業向け音声エージェントのベンチマークで、精度スコアとして最高です。
- タスクあたりも割安：Artificial AnalysisのBig Bench Audioでは1タスク約0.025ドル。GPT-Live-1は0.030ドル、GPT-Realtime-2.1は0.055ドルでした。
すべてのグラフでGrokが1位というわけではありません。SpaceXSI自身のグラフでも、エージェントの成功率の比較ではGPT-Live-1がわずかに上回っています。ただGrokは、それに迫りながら明らかに速く、しかも安い。リアルタイムでお客さんと話すサービスにとって、欲しいのはこのバランスなんです。
あなたのクルマで、もう働いている
今回の発表で一番面白いのは、これが研究室のデモではないことです。SpaceXSIによると、Grok Voice 3.0はテスラ車内で1日数百万件の会話を処理しています。オーナーはカレンダーの確認やメールの返信といったちょっとした用事を「コネクター」で済ませ、コーヒーの注文やディナーの予約のような大きめの用事はGrok Botに任せられます。Grok Botの音声モードも、この新モデルで動いています。
これは9月にテスラが始めたGrok Botとの統合の延長線上にあります。当時オーナーたちは、FSD（監視付き）に運転を任せながら、声だけで注文を済ませるようになりました。Drive Tesla Canadaは、スマホに触れずに移動中にスターバックスを注文したバンクーバーのオーナーを紹介しています。
提供状況について補足です。Tesla Northは、Grok搭載のテスラ車がすべてすでに新モデルになっているのか、一部のオーナーはソフトウェア更新が必要なのか、SpaceXSIは明らかにしていないと指摘しています。参考までに、Not a Tesla Appによると、テスラのリリースノートに最後に登場した車載音声エンジンはGrok Voice Think Fast 2.0でした。テスラのサポートページによれば、GrokにはAMD搭載車、ソフトウェア2025.26以降、プレミアムコネクティビティまたはWi-Fiが必要です。コネクターとGrok Botにはソフトウェア2026.26以降とGrokアカウントが必要で、Grok BotにはさらにSuperGrokのサブスクリプションも必要です。
スターリンクのサポート窓口もこれで動いている
もうひとつの実績は、SpaceX自身の事業から。スターリンクのコールセンターはGrok Voiceを使い、1日約2万件の顧客からの電話に複数の言語で対応しています。SpaceXSIによると、約70%は人間が関わらずに解決し、営業の電話の4件に1件は、電話を切る前に購入まで進むそうです。このモデルで動くエージェント1つで、本人確認、機器のトラブルシューティング、クレジットの付与、交換機器の発送までこなせます。
ルーターの再起動のために40分も保留音を聞かされたことがある人なら、ありがたみがわかるはずです。
開発者向け
Grok Voice 3.0は、Voice Agent APIで1分0.08ドル（1時間4.80ドル）ですでに利用できます。Grok Voice 2.0と同じ価格です。SpaceXSIの開発者向けリリースノートによると、エイリアス「grok-voice-latest」を使っているアプリは、コードを変えずに自動でアップグレードされました。grok-voice-2.0は非推奨になっています。
なぜ重要なのか
音声は、AIが「ウェブサイト」から「日常の一部」に変わる場所です。クルマの中、電話、コールセンター。この分野でマスク氏の会社には珍しい強みがあります。何百万台ものテスラ車と、毎日モデルを大規模に働かせるスターリンクの顧客基盤です。実際の利用がモデルを鍛え、よくなったモデルが同じ製品に戻ってくる。自前の「車両群」を持たないライバルには、このループはなかなかまねできません。
EVX Newsの視点
「世界最高」という宣伝文句はいったん脇に置いて、数字を見てみましょう。より速く、より安く、精度は競合と同等かそれ以上、しかもすでに何百万人もの人に使われている。これは力強いデビューです。次のテストは、テスラオーナーなら誰でもできます。次のドライブで「Hey Grok」と話しかけて、会話がもっと自然に感じられるか試してみてください。
出典：SpaceXSI（Grok Voice 3.0の発表）、SpaceXSI 開発者向けリリースノート、Tesla North、Drive Tesla Canada、Not a Tesla App、テスラ サポート。
— EVX News編集部
アイキャッチ画像：テスラ・モデルY Lの車内。撮影：Ethan Llamas、出典：Wikimedia Commons、ライセンス：CC BY-SA 4.0。
