xAI、音声どうしで話すモデル Grok Voice 3.0 を公開

xAI は 10 月 14 日、音声で聞いて音声で答える(speech-to-speech)モデル「Grok Voice 3.0」を発表しました。電話の問い合わせ窓口のような音声のエージェントに向けたモデルで、同日から API で使えます。応答までの時間は 1 秒未満だとしています。

要点

• API の料金は 1 分 $0.08(1 時間 $4.80)で、前の Grok Voice 2.0 と同じです。
• grok-voice-latest を指定しているエージェントは、自動で新しいモデルに切り替わりました。
• Artificial Analysis の音声どうしの指標で 86.9 となり、1 位だとしています。
• 話の間や割り込みへの対応を測る Full Duplex Bench では 97% でした。
• Starlink の窓口では 1 日 2 万件の電話に使われ、約 7 割は人が加わらずに終わるとしています。

日本の利用者にとって

発表では、Starlink の窓口で複数の言語の電話に使われていると説明していますが、日本語への対応や日本での提供には触れていません。料金は米ドルで示されています。

YOBITSUGI AI で使えるか

YOBITSUGI AI では xAI の Grok 4.7・Grok 4.3・Grok Imagine 2.0・Grok Imagine Video 1.5 を使えます。今回発表された Grok Voice 3.0 は、現時点の対応モデルには含まれていません。

出典

• Introducing Grok Voice 3.0(xAI News・2026年10月14日)