Grok Voice 3.0 — голосовая модель xAI для ИИ-агентов

Grok Voice 3.0 — речевая модель xAI для разговорных ИИ-агентов. Она принимает речь и отвечает голосом в реальном времени, а разработчик может подключить к диалогу поиск и собственные инструменты. Модель представили 14 октября 2026 года; она доступна через Voice Agent API.

xAI позиционирует её для поддержки клиентов и других голосовых сценариев, где важно отвечать без длинной паузы и не терять нить разговора. Это модель для интеграции в собственный сервис: телефонную связь, базу знаний и правила передачи вызова человеку нужно настраивать отдельно.

Разговор без отдельной цепочки распознавания

Речь на входе и голосовой ответ

В режиме speech-to-speech система работает с устной репликой и формирует ответ голосом. Для разработчика это позволяет строить диалог без отдельного набора вызовов для распознавания речи, текстового ответа и синтеза голоса. Grok Voice 3.0 рассчитана на обмен репликами в реальном времени; в API предусмотрена полнодуплексная работа, чтобы агент мог реагировать на перебивания и естественные паузы.

Поиск, действия и несколько шагов диалога

Голосовой агент может обращаться к инструментам и API во время разговора, искать сведения и учитывать обновлённые инструкции и контекст. Так можно, например, подключить его к внутренней системе, чтобы он получил данные для ответа или выполнил действие. Какие сведения агент увидит и какие операции сможет выполнить, зависит от интеграции и заданных ей ограничений.

Голосовой API xAI также включает отдельные средства преобразования речи в текст и текста в речь, настраиваемые голоса и поддержку более 25 языков. Для расшифровки разговоров есть отдельная страница Grok Voice Transcribe 2.0; Grok Voice 3.0 нужна именно для голосового диалога с моделью.

Скорость и результаты испытаний

Что показали независимые тесты

В опубликованных xAI результатах независимой оценки Artificial Analysis модель набрала 86,9 балла в Speech-to-Speech Index и заняла первое место среди сравниваемых систем. В Full Duplex Bench — тесте на естественность пауз, смены очереди и перебиваний — результат составил 97%. На испытании τ-Voice, где проверяются звонки с разными акцентами, фоновым шумом и перебиваниями, указано 71,6% успешных ответов.

Это результаты конкретных тестов, а не обещание такой же точности в любой службе поддержки: многое зависит от предметной области, качества соединения, подключённых данных и правил обработки нестандартных запросов.

Пример использования в Starlink

xAI сообщает, что голосовой агент в службе поддержки Starlink обрабатывает около 20 000 звонков в день на нескольких языках, а примерно 70% таких обращений закрываются без участия сотрудника. По описанию компании, агент проверяет клиента, помогает с диагностикой оборудования, оформляет возвраты и отправляет замену. Это пример внедрения, опубликованный самой xAI; его показатели нельзя напрямую переносить на другой контактный центр.

Цена и доступ через API

Оплата за минуты разговора

На момент запуска Grok Voice 3.0 стоит 0,08 доллара за минуту разговора — 4,80 доллара за час. Это та же цена, что и у Grok Voice 2.0. xAI также сообщает, что в сравнении Artificial Analysis стоимость выполненного задания ниже, чем у нескольких сопоставляемых передовых моделей. Это сравнение относится к тестовой задаче: итоговая стоимость внедрения зависит и от телефонной связи, подключённых инструментов и собственной инфраструктуры.

Идентификатор модели и переход с версии 2.0

В API модель называется grok-voice-3.0. Псевдоним grok-voice-latest уже указывает на новую версию, поэтому проекты, использующие его, переходят на Grok Voice 3.0 автоматически. Для прямого выбора версии разработчик может указать её идентификатор. xAI сообщает, что формат API при обновлении не менялся.

Что важно учесть перед запуском

Grok Voice 3.0 подойдёт разработчикам, которые создают голосовую поддержку, помощников для продаж или другие сервисы с диалогом в реальном времени. Это не готовый колл-центр: нужны API-ключ, интеграция с рабочими системами, правила эскалации и проверка ответов на реальных сценариях. Для готового голосового агента xAI также предлагает Grok Bot, в котором голосовой режим использует Grok Voice.

При оценке бюджета учитывайте не только цену модели за минуту. Сравните её с длительностью звонков, количеством обращений, стоимостью телефонии и долей случаев, которые должны передаваться человеку. Для тестового запуска полезно отдельно измерить точность ответа, задержку, качество распознавания речи в шуме и количество корректно завершённых обращений.