xAI、音声対話AI「Grok Voice 3.0」を発表 サブ秒の低遅延
xAIが音声対話AIモデル「Grok Voice 3.0」を発表し、Grok Voice APIでの提供を開始した。価格は毎分0.08ドルで前モデルから据え置き。
xAIは2026年10月14日、音声対話AIモデル「Grok Voice 3.0」を発表し、開発者向けのGrok Voice APIを通じて提供を開始した。
Grok Voice 3.0は音声入力に対して音声で応答するSpeech-to-Speechモデルで、1秒未満の低遅延をうたう。会話中の間や発話者の切り替え、割り込みといった自然な対話に対応し、25以上の言語で雑音や訛りのある環境にも対応する。価格は毎分0.08ドル(毎時4.80ドル)で、前モデルから変更はない。
Grok Voice APIは外部サービスやツールとの連携に対応し、会話内容に基づく情報検索やスケジュール確認、予約などが可能になる。Grok Voice 3.0はVoice Agent API経由でも利用でき、既存のAPI利用者がgrok-voice-latestを指定している場合は自動的に新モデルへ切り替わる。
xAIによると、Grok Voice 3.0はテスラの車載AIに採用され、1日あたり数百万件の音声対話を処理している。StarlinkのコールセンターではGrok Voiceを使って1日約20,000件の問い合わせに対応し、約70%を人間のオペレーターなしで解決しているという。
発表の詳細はwatch.impress.co.jpが伝えている。
よくある質問
Grok Voice 3.0の利用料金はいくらですか。
毎分0.08ドル(毎時4.80ドル)で、前モデルから据え置きです。
既存のAPI利用者はどうなりますか。
grok-voice-latestを指定している場合、自動的に新モデルへ切り替わります。
どこで使われていますか。
テスラの車載AIに採用され1日あたり数百万件の音声対話を処理するほか、Starlinkのコールセンターでは1日約20,000件の問い合わせに対応しています。