SpaceXSI เปิดตัว Grok Voice 3.0 โมเดล AI สนทนาด้วยเสียงรุ่นใหม่ ทำคะแนนรวม 86.9 ครองอันดับหนึ่งบน Speech-to-Speech Index ของ Artificial Analysis ทิ้งห่าง GPT-Live-1 ของ OpenAI และ Gemini 3.8 Live ของ Google ขณะที่ผลทดสอบอีกด้านพบว่า OpenAI ยังทำคะแนนได้ดีกว่าในงานสนทนาบริการลูกค้า สะท้อนการแข่งขัน AI เสียงที่ไม่ได้ตัดสินกันด้วยคะแนนรวมเพียงอย่างเดียว
SpaceXSI ประกาศเปิดตัว Grok Voice 3.0 เมื่อวันที่ 14 ตุลาคม 2026 โดยชูจุดเด่นด้านการสนทนาด้วยเสียงแบบเรียลไทม์ การตอบสนองที่รวดเร็ว และความสามารถในการจัดการบทสนทนาเพื่อรองรับงานบริการลูกค้าและการใช้งานผ่านระบบเสียงอัตโนมัติ
ข้อมูลการทดสอบที่บริษัทเผยแพร่ ซึ่งอ้างอิงผลประเมินของ Artificial Analysis ลงวันที่ 13 ตุลาคม ระบุว่า Grok Voice 3.0 ได้คะแนน 86.9 บน Speech-to-Speech Index สูงกว่า GPT-Live-1 ของ OpenAI ที่ได้ 83.2 คะแนน และ Gemini 3.8 Live ของ Google ที่ได้ 82.6 คะแนน
คะแนนรวมสูงสุด แต่ไม่ได้ชนะทุกการทดสอบ
จุดสำคัญของ Grok Voice 3.0 คือการประมวลผลเสียงพูดและตอบกลับเป็นเสียงโดยตรง ซึ่งเหมาะกับแอปพลิเคชันที่ต้องการให้ AI โต้ตอบกับมนุษย์อย่างต่อเนื่อง แทนการรับคำถามผ่านเสียงแล้วแสดงคำตอบเป็นข้อความเพียงอย่างเดียว
ผลทดสอบที่ SpaceXSI เผยแพร่ระบุว่า Grok Voice 3.0 ทำคะแนนได้ 97% ใน Full Duplex Bench ซึ่งประเมินความสามารถในการจัดการจังหวะสนทนา เช่น การหยุดพูด การสลับกันพูด และการรับมือเมื่อคู่สนทนาพูดแทรก ขณะที่คะแนนด้านการให้เหตุผลจากเสียงใน Big Bench Audio อยู่ที่ 98.5%
ตัวเลขเหล่านี้สะท้อนจุดแข็งของโมเดลในด้านการรับรู้และตอบสนองต่อบทสนทนา แต่การนำ AI ไปใช้จริงยังต้องพิจารณาปัจจัยอื่นร่วมด้วย เช่น ความแม่นยำในการทำงานให้สำเร็จ ความสามารถในการจัดการปัญหาที่ซับซ้อน ต้นทุน และความเสถียรของระบบ
OpenAI ยังนำในโจทย์บริการลูกค้าบางประเภท
แม้ Grok Voice 3.0 จะขึ้นอันดับหนึ่งในคะแนนรวม แต่ผลการทดสอบ τ-Voice ซึ่งประเมินความสามารถของ AI ในการจัดการสายบริการลูกค้าที่มีสำเนียงหลากหลาย เสียงรบกวน และการขัดจังหวะ กลับพบว่า GPT-Live-1 ของ OpenAI ทำคะแนนได้ 74.5% สูงกว่า Grok Voice 3.0 ที่ 71.6%
ผลดังกล่าวแสดงให้เห็นว่าโมเดลที่มีคะแนนรวมสูงสุดอาจไม่ได้เหมาะสมที่สุดสำหรับทุกงาน โดยเฉพาะระบบบริการลูกค้าที่ต้องทำความเข้าใจปัญหา ดำเนินการหลายขั้นตอน และพาผู้ใช้ไปสู่ผลลัพธ์ที่ต้องการให้สำเร็จ
สำหรับธุรกิจที่กำลังเลือกใช้ AI เสียง จึงควรพิจารณาผลทดสอบให้ตรงกับลักษณะงานจริง มากกว่าตัดสินใจจากอันดับรวมเพียงตัวเดียว
มุ่งเจาะตลาด Voice Agent สำหรับธุรกิจ
Grok Voice 3.0 ถูกออกแบบมาเพื่อรองรับ Voice Agent หรือระบบ AI ที่สามารถพูดคุยกับผู้ใช้ผ่านเสียงได้โดยตรง ตัวอย่างการใช้งาน ได้แก่ ศูนย์บริการลูกค้า ระบบตอบคำถามอัตโนมัติ ผู้ช่วยเสียงในแอปพลิเคชัน และระบบสนทนาที่ต้องตอบสนองต่อเนื่องแบบเรียลไทม์
SpaceXSI ระบุว่าโมเดลรุ่นใหม่นี้พร้อมใช้งานผ่าน Voice Agent API โดยคิดค่าบริการในอัตราเดียวกับ Grok Voice 2.0 ที่ 0.08 ดอลลาร์ต่อนาทีของเสียงตามประกาศของบริษัท พร้อมปรับชื่อโมเดลเริ่มต้น grok-voice-latest ให้ชี้ไปยังรุ่น 3.0 โดยอัตโนมัติ
การปรับรุ่นผ่าน API เดิมช่วยลดภาระในการเปลี่ยนระบบสำหรับผู้พัฒนาที่ใช้บริการอยู่แล้ว อย่างไรก็ตาม ธุรกิจยังควรทดสอบความเข้ากันได้และประเมินต้นทุนจากปริมาณการใช้งานจริงก่อนนำไปใช้งานในวงกว้าง
ศึก AI เสียงกำลังเปลี่ยนจากการตอบคำถามสู่การทำงานให้สำเร็จ
การแข่งขันระหว่างผู้พัฒนา AI กำลังขยายจากความสามารถด้านการสร้างข้อความไปสู่ระบบที่สามารถรับรู้เสียง สนทนาอย่างเป็นธรรมชาติ และดำเนินงานแทนมนุษย์ในบางขั้นตอนได้
การขึ้นอันดับหนึ่งของ Grok Voice 3.0 บน Speech-to-Speech Index จึงเป็นอีกหนึ่งสัญญาณของการแข่งขันในตลาด AI เสียง แต่ผลทดสอบที่ OpenAI ทำได้ดีกว่าในโจทย์บริการลูกค้าบางประเภทก็ชี้ให้เห็นว่า ยังไม่มีคะแนนเดียวที่สามารถบอกได้ว่าโมเดลใดเหมาะสมที่สุดกับทุกสถานการณ์
ท้ายที่สุด ความได้เปรียบในตลาดนี้อาจไม่ได้ขึ้นอยู่กับว่า AI รุ่นใดพูดได้เร็วหรือมีคะแนนรวมสูงกว่าเท่านั้น แต่ขึ้นอยู่กับว่าแต่ละระบบสามารถช่วยผู้ใช้แก้ปัญหาได้จริง มีความน่าเชื่อถือ และมีต้นทุนที่เหมาะสมกับการใช้งานมากเพียงใด
