Бенчмарк Speech-to-Speech: почему голосовой ИИ приходится сравнивать не только по интеллекту, но и по задержкеКратко · дайджест за 21 сентября
Кратко≈ 1 мин

Бенчмарк Speech-to-Speech: почему голосовой ИИ приходится сравнивать не только по интеллекту, но и по задержке

Публикация индекса Speech-to-Speech от аналитической платформы Artificial Analysis зафиксировала новый этап в оценке сквозных голосовых моделей. В тесте полнодуплексных систем конфигурация GPT-Live-1 на базе GPT-6 Astra набрала 81,5 балла, вплотную опередив Grok Voice Think Fast 2.0 High с результатом 81,3 балла. Младшая связка GPT-Live-1 с моделью GPT-5.6 Sol показала 80,1 балла.

Минимальный разрыв в 0,2 балла подтверждает, что сравнение голосовых решений больше не сводится к оценке базовой модели. Индекс оценивает работу всей системы — от аудиокодеков до скорости генерации ответов. Главным практическим фактором в живом разговоре становится задержка до первого аудиопакета. По данным бенчмарка, Grok Voice выдает первый звук за 0,70 секунды, тогда как связка GPT-Live-1 с Astra требует 1,34 секунды, а Gemini 3.8 Live достигает 1,18 секунды.

Для создателей голосовых ассистентов это означает жесткий компромисс: тяжелые модели глубже рассуждают в сложных задачах, но уступают в естественном темпе диалога, где даже секундная пауза разрушает ощущение живой беседы.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 2