Evergreen 工具站
|
← 返回AI工具

Grok Voice 3.0：亚秒级语音到语音模型

xAI 在 2026 年 10 月 14 日发布 Grok Voice 3.0：一个用于 Voice Agent API 的语音到语音模型，官方称延迟低于 1 秒。Artificial Analysis 的 Speech-to-Speech Index 上它拿到 86.9 排第一，Full Duplex Bench 97%，τ-Voice 71.6% 且延迟比 GPT-Live-1 低 40%；价格 0.08 美元/分钟与上代持平，grok-voice-latest 已自动切到 3.0

工具界面

交互式工具即将上线

功能特点

  • ✓ 语音到语音单模型，官方称延迟低于 1 秒，适合实时客服与语音助手
  • ✓ Artificial Analysis 语音指数 86.9 排第一，高于 GPT-Live-1（83.2）与 Gemini 3.8 Live（82.6）
  • ✓ Full Duplex Bench 97%，停顿、抢话、打断这些真人对话细节处理更自然
  • ✓ ServiceNow 的 EVA-Bench 准确率 74% 最高，官方称准确率与客户体验联合打分也排第一
  • ✓ 价格 0.08 美元/分钟（4.80 美元/小时），与 Grok Voice 2.0 相同；用 grok-voice-latest 的调用已自动升级

使用步骤

  1. 在 xAI 控制台建 Voice Agent，模型直接选 grok-voice-latest（已指向 3.0）
  2. 先用带口音、有背景噪音、会被打断的样本测一轮，别只测安静环境
  3. 按 0.08 美元/分钟估算成本，文本输入与服务端搜索工具的费用另外算
  4. 硬编码 grok-voice-2.0 的代码尽快改，2.0 模型 id 已标记弃用

常见问题

Grok Voice 3.0 什么时候发布的？

2026 年 10 月 14 日，官方公告《Introducing Grok Voice 3.0》。原文：https://x.ai/news/grok-voice-3

86.9 分是谁测的？

是 Artificial Analysis 的独立测试，xAI 页面标注数据来源为该机构 2026 年 10 月 13 日的结果。这属于第三方数据，但由厂商引用，看趋势可以，别当绝对结论。

价格变了吗？

没变：0.08 美元/分钟（4.80 美元/小时），与 Grok Voice 2.0 相同；另外文本输入按 0.004 美元计，服务端搜索工具另算。

真实业务里跑得住吗？

官方给了两个场景：Starlink 客服每天处理 2 万通电话、约 70% 无需人工；Tesla 车内每天数百万次对话。这些是 xAI 自家口径，属于案例而非第三方审计。

从 2.0 升级要改代码吗？

用 grok-voice-latest 的已经自动切到 3.0，不用改；写死 grok-voice-2.0 的模型 id 已被标记弃用，需要替换。