产品简介
Grok Voice 3.0 是 xAI 于 2026/10/14 发布的语音到语音模型，直接接音频进、出音频，中间不走一遍文字转写。官方给它的定位是做真实对话里的那层语音能力，而不是朗读工具，落地场景集中在客服与语音智能体上。
Artificial Analysis 在 2026/10/13 的独立测试中把它排在语音对语音指数第一位，得分 86.9。这个指数把语音推理、τ-Voice、盲测对打的偏好与任务成功率合在一起算。拆开看，Big Bench Audio 98.5%，Speech Agent Arena Elo 1070，任务成功率 94.8%，全双工基准 97%。τ-Voice 一项得分 71.6%，官方称与 GPT-Live-1 的 Astra 档位相当，而延迟低四成。
部署这块有两个现成的量级参照：Grok Voice 已经在 Tesla 与 SpaceX 上每天承载数百万通对话；模型在发布当天就进了 API 与 Voice Agent Builder，定价与上代持平。
核心功能
- 语音到语音直出：音频进音频出，省掉转写成文字再合成的中间环节
- Artificial Analysis 指数第一：语音对语音指数 86.9 分，测试由 Artificial Analysis 于 2026 年 10 月 13 日完成
- 全双工对话：全双工基准 97%，处理停顿、抢话与打断的表现接近真人节奏
- 首音频延迟低于 1 秒：官方给出的延迟指标，τ-Voice 测试中延迟比同档位模型低约四成
- 任务成功率 94.8%：Artificial Analysis 盲测对打中的任务完成率
- API 与 Voice Agent Builder：发布当天上线，可直接在 xAI 的接口与可视化搭建工具里使用
- Tesla 与 SpaceX 在用：官方称每天在这两条产品线上承载数百万通对话
- 按任务成本可控：Artificial Analysis 的 Big Bench Audio 单任务成本低于 GPT-Live-1 与 GPT-Realtime-2.1
适合谁用
以下类型的用户会特别受益于 Grok Voice 3.0：
- 客服中心把呼入电话交给语音智能体先接一轮
- 需要实时打断与抢话能力的语音助手
- 把现有文字客服脚本升级成电话渠道
- 车载与硬件产品里做低延迟语音交互
- 批量外呼与回访场景里的自动化对话
优点亮点
- 语音对语音直出，少一层转写就少一层误差来源
- Artificial Analysis 独立测试排在语音对语音指数第一
- 发布当天进 API 与 Voice Agent Builder，接入路径清晰
- 定价与上代持平，升级不用重新算成本
- 在 Tesla 与 SpaceX 上已有每天数百万通对话的落地规模
价格与方案
模型通过 xAI 的 API 提供，按使用量计费，官方称定价与上一代持平，社区给出的口径约为每分钟 0.08 美元。具体价格与额度以 xAI 官方定价页为准。
总结与建议
Grok Voice 3.0 是 xAI 在 2026/10/14 发布的语音到语音模型，音频直接进、音频直接出。Artificial Analysis 在 2026/10/13 的独立测试中把它排在语音对语音指数第一位，86.9 分，拆开看 Big Bench Audio 98.5%、Speech Agent Arena Elo 1070、任务成功率 94.8%、全双工基准 97%，首音频延迟低于一秒，τ-Voice 得分 71.6% 而延迟比同档位低约四成。它在 Tesla 与 SpaceX 上每天承载数百万通对话，发布当天进入 API 与 Voice Agent Builder，定价与上代持平。适合要把电话客服、语音助手与外呼交给模型接的场景；如果只是做朗读或配音，这类实时对话模型的能力用不上。
版本演进
- Grok Voice 3.0 发布：Artificial Analysis 语音对语音指数 86.9 分位列第一 （2026-10-14）：xAI 于 2026 年 10 月 14 日发布 Grok Voice 3.0，官方称其为最强的语音到语音模型。Artificial Analysis 于 2026 年 10 月 13 日完成的独立测试中，Grok Voice 3.0 以 86.9 分排在语音对语音指数第一位，上一代 Grok Voice 2.0 为 81.3，GPT-Live-1 的 Astra 档位为 83.2，Gemini 3.8 Live 为 82.6；分项中 Big Bench Audio 98.5%、Speech Agent Arena Elo 1070、任务成功率 94.8%、全双工基准 97%。τ-Voice 得分 71.6%，官方称与 GPT-Live-1 的 Astra 档位相当而延迟低四成，首音频延迟低于 1 秒；Big Bench Audio 的单任务平均成本低于 GPT-Live-1 与 GPT-Realtime-2.1。模型在发布当天进入 API 与 Voice Agent Builder，定价与上一代持平，并已在 Tesla 与 SpaceX 上每天承载数百万通对话。