إطلاق Grok Voice 30 للتحويل الصوتي الذكي

أطلقت شركة "إكس أيه آي" (xAI) نموذجها الأحدث Grok Voice 3.0، وهو نموذج ذكاء اصطناعي متطور يعتمد تقنية "الكلام إلى كلام" (Speech-to-Speech) بشكل مباشر، مما يجعله الأسرع والأكثر ذكاءً في فئته حالياً. يتوفر النموذج الجديد ابتداءً من اليوم عبر واجهة برمجة التطبيقات (API) للمطورين والشركات، مع وعود بتغيير جذري في كيفية تفاعل المستخدمين مع الأنظمة الصوتية، سواء في السيارات الذكية أو مراكز دعم العملاء، بفضل زمن استجابة يقل عن ثانية واحدة.

كفاءة استثنائية في محاكاة الحوار البشري الطبيعي

يتمتع Grok Voice 3.0 بقدرة فائقة على إدارة المحادثات المعقدة بأسلوب يقترب من الطبيعة البشرية إلى حد كبير، حيث سجل النموذج نسبة 97% في اختبار (Full Duplex Bench)، وهو مقياس متخصص في تقييم كيفية تعامل الذكاء الاصطناعي مع التوقفات المؤقتة، وتبادل الأدوار في الحديث، والقدرة على استيعاب المقاطعات أثناء الكلام دون ارتباك. هذا التطور يعني أن المستخدم لن يشعر بأنه يتحدث إلى آلة تنتظر دورها بجمود، بل إلى محاور يستطيع فهم السياق حتى عند تداخل الأصوات.

وفي اختبارات مستقلة أجراها مركز (Artificial Analysis)، احتل النموذج المرتبة الأولى عالمياً في مؤشر "الكلام إلى كلام" (Speech-to-Speech Index) محققاً 86.9 نقطة. يعتمد هذا التقييم على دمج عدة معايير تشمل الاستنتاج الصوتي، والقدرة على تنفيذ المهام، وتفضيلات المستخدمين في اختبارات المقارنة المباشرة. وتفوق النموذج الجديد بشكل واضح على منافسيه المباشرين مثل GPT-Live-1 من شركة OpenAI وGemini 3.8 Live من جوجل في معظم مؤشرات الأداء والسرعة.

إحدى الميزات التقنية البارزة في هذا الإصدار هي قدرته العالية على التعامل مع التحديات الصوتية الواقعية، مثل الضجيج في الخلفية أو تنوع اللهجات واللكنات. وبحسب مؤشر (τ-Voice)، أظهر النموذج توازناً دقيقاً بين الذكاء وسرعة الاستجابة، حيث تفوق على الإصدار السابق Grok Voice 2.0 بنسبة كبيرة، وقدم أداءً يضاهي أقوى النماذج المنافسة ولكن بزمن تأخير (Latency) أقل بنسبة 40%، مما يجعله الخيار الأنسب للتطبيقات التي تتطلب تفاعلاً فورياً.

تطبيقات واقعية في سيارات تسلا ومراكز ستارلينك

لا يقتصر Grok Voice 3.0 على كونه نموذجاً مخبرياً، بل هو محرك أساسي لملايين المحادثات اليومية في مشاريع تقنية كبرى. في سيارات تسلا، يتيح النموذج للسائقين التحكم الكامل في وظائف متعددة دون الحاجة لاستخدام اليدين؛ حيث يمكن للركاب طلب مهام بسيطة مثل مراجعة التقويم أو الرد على البريد الإلكتروني، وصولاً إلى مهام أكثر تعقيداً مثل حجز طاولة في مطعم أو طلب القهوة عبر الأوامر الصوتية فقط.

أما في مراكز اتصال "ستارلينك" (Starlink)، فقد أثبت النموذج كفاءة تشغيلية عالية من خلال التعامل مع أكثر من 20 ألف مكالمة يومياً بلغات متعددة. وتكشف البيانات أن نحو 70% من هذه المكالمات يتم حلها بالكامل بواسطة الذكاء الاصطناعي دون أي تدخل بشري. والأكثر إثارة للاهتمام هو الجانب التجاري، حيث تنتهي واحدة من كل أربع مكالمات مبيعات بعملية شراء فعلية قبل أن ينهي العميل المكالمة، مما يعكس قدرة النموذج ليس فقط على الدعم الفني، بل وعلى الإقناع وإتمام العمليات التجارية المعقدة مثل شحن المعدات البديلة وإصدار الاعتمادات المالية.

تفوق تقني وتكلفة اقتصادية للمطورين

من الناحية الاقتصادية، يقدم Grok Voice 3.0 معادلة صعبة للمنافسين؛ فهو لا يكتفي بكونه الأسرع، بل هو الأقل تكلفة أيضاً. وفقاً لتحليلات (Artificial Analysis)، تبلغ تكلفة إنجاز المهمة الواحدة عبر هذا النموذج حوالي 0.025 دولار، وهي تكلفة أقل من نموذج GPT-Live-1 الذي تبلغ تكلفته 0.030 دولاراً، ونموذج GPT-Realtime-2.1 الذي يصل إلى 0.055 دولاراً للمهمة الواحدة.

أما بالنسبة للمطورين الذين يعتمدون على واجهة برمجة التطبيقات (API)، فقد طرحت الشركة النموذج بنفس سعر الإصدار السابق تماماً، وهو 0.08 دولار للدقيقة (ما يعادل 4.80 دولار للساعة). وتتضمن قائمة المواصفات الفنية والنتائج التي حققها النموذج ما يلي:

• مؤشر الاستنتاج الصوتي (Big Bench Audio): حقق 98.5%، متفوقاً على كافة المنافسين.
• معدل نجاح المهام: وصل إلى 94.8%.
• دقة وكلاء الصوت (EVA-Bench): سجل 74%، وهي أعلى درجة دقة في بيئات العمل المؤسسية.
• التوفر: متاح حالياً للمطورين، مع تحويل تلقائي للمستخدمين الحاليين لنسخة (grok-voice-latest).

يمثل هذا الإطلاق نقلة نوعية في جودة المساعدات الصوتية، حيث ينتقل بها من مجرد أدوات لتنفيذ أوامر بسيطة إلى وكلاء ذكاء اصطناعي قادرين على إدارة حوارات معقدة وحل مشكلات تقنية وتجارية بمرونة عالية. إذا كنت مطوراً تستخدم إصدارات Grok السابقة، فلن تحتاج إلى إجراء أي تعديلات برمجية، فقد تم تحديث النظام تلقائياً ليعمل بالنسخة الأحدث، أما إذا كنت تفكر في دمج حلول صوتية في عملك، فإن هذا الإصدار يوفر حالياً أفضل توازن بين التكلفة وسرعة الاستجابة في السوق.

المصدر: xAI