Qu’est-ce que Grok Voice 3.0 ?
Grok Voice 3.0 (grok-voice-3.0) est le modèle parole-à-parole derrière la Voice Agent API de SpaceXSI : il écoute, raisonne, appelle des outils et répond à voix haute, le tout dans un seul modèle. Il est sorti le 14 octobre 2026 et a remplacé Grok Voice 2.0, désormais obsolète, au même prix ; l'alias grok-voice-latest pointe automatiquement vers lui.
Il fonctionne via WebSocket ou WebRTC et prend des appels téléphoniques en SIP via Twilio, Telnyx, Plivo ou tout fournisseur qui achemine vers SpaceXSI en TLS, avec transferts d'appel et saisie au clavier. Les outils intégrés couvrent la recherche web, la recherche sur X, la recherche de fichiers dans Collections et les serveurs MCP distants, en plus de vos propres fonctions. Le raisonnement est activé par défaut et peut être coupé. La documentation liste 20 codes de langue et de variante régionale, des voix intégrées partagées avec la synthèse vocale de SpaceXSI et le clonage d'une voix à partir d'un court extrait de référence.
SpaceXSI affirme qu'il traite des millions de conversations par jour dans les voitures Tesla et environ 20 000 appels clients de Starlink par jour.
Combien coûte Grok Voice 3.0 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Audio | $0.08 per minute ($4.80 an hour) | |
| Text input | $0.004 per message |
0,08 $ par minute d'audio (4,80 $ de l'heure) plus 0,004 $ par message texte en entrée, comme Grok Voice 2.0, raisonnement compris dans le tarif à la minute.
Grok Voice 3.0 vaut-il le coup ?
Grok Voice 3.0 est le modèle parole-à-parole le mieux noté de l'indice d'Artificial Analysis au 13 octobre 2026, avec 86,9 contre 83,2 pour GPT-Live-1 d'OpenAI avec Astra, 82,6 pour Gemini 3.8 Live de Google et 81,3 pour son prédécesseur. Il mène aussi sur Big Bench Audio, avec 98,5 % contre 90,1 % pour GPT-Live-1, sur Full Duplex Bench, qui teste les pauses et les interruptions, avec 97,0 % contre 94,9 %, et dans les appels comparatifs à l'aveugle avec un Elo de 1070 contre 1048.
L'exception est le test le plus proche d'un guichet de support. Sur τ-Voice, qui note des agents accomplissant des tâches de service client, GPT-Live-1 mène avec 74,5 % contre 71,6 %. SpaceXSI dit répondre environ 40 % plus vite que GPT-Live-1 sur ce benchmark et en moins d'une seconde en général, mais ne publie aucun chiffre en millisecondes. Les chiffres de déploiement chez Tesla et Starlink, dont 70 % des appels Starlink résolus sans humain, viennent de SpaceXSI et ne sont pas audités.
La tarification est plus simple que celle d'OpenAI. Grok Voice facture 0,08 $ la minute, environ 4,80 $ de l'heure, plus 0,004 $ par message texte, raisonnement compris. GPT-Live-1 coûte 0,05 $ la minute plus les tokens du modèle de texte qui raisonne, si bien que son coût réel dépend du modèle choisi. Sur le passage Big Bench Audio d'Artificial Analysis, SpaceXSI annonce une moyenne de 0,025 $ par tâche contre 0,030 $ pour GPT-Live-1 et 0,055 $ pour GPT-Realtime-2.1.
Les détails de déploiement sont plus maigres. Le modèle ne tourne que dans us-east-1 et n'est pas proposé sur le point d'accès régional américain. Les sessions durent jusqu'à 120 minutes, et la limite de concurrence par équipe publiée est illisible sur la page des limites, si bien que les grands centres d'appels doivent négocier leurs limites avec l'équipe commerciale. Le clonage d'une voix à partir d'un court extrait comporte un risque d'abus évident, et la documentation ne décrit aucune vérification du consentement.
Les conditions sur les données suivent celles de l'API de SpaceXSI : aucun entraînement sur les entrées ou sorties sans autorisation explicite et conservation de 30 jours par défaut pour les audits d'abus. L'historique de conversation n'est gardé que si vous activez la reprise de session, et il est effacé après 30 minutes d'inactivité ; en conservation zéro des données, les conversations de l'agent vocal ne sont pas conservées du tout.
Là où il fait la différence
Un architecte de centre de contacts dans un support télécom de 300 postes
Placer un agent IA en première ligne des appels entrants
Acheminez les appels depuis Twilio ou Telnyx en SIP, donnez à l'agent les consultations de compte sous forme de fonctions personnalisées et transférez à un humain avec refer. À 0,08 $ la minute, 100 000 minutes par mois coûtent 8 000 $ avant les frais de téléphonie.
Une développeuse mobile dans une start-up de réservation de voyages
Laisser les utilisateurs modifier leurs réservations en parlant à l'application
Connectez-vous depuis l'application avec un token éphémère via WebSocket, utilisez la recherche web pour les informations de vol en direct et des fonctions personnalisées pour le système de réservation. Un appel de 5 minutes coûte environ 0,40 $.
Un responsable de la conformité chez un assureur de l'UE
Décider si l'audio des appels peut être envoyé au modèle
Le traitement se fait uniquement dans us-east-1, un traitement limité à l'UE est donc impossible. La conservation zéro des données empêche la conservation des conversations et doit être activée via l'équipe commerciale de SpaceXSI.
Avant de vous engager
- Mise en route
- Créez une clé sur console.x.ai, ouvrez une session WebSocket avec le modèle grok-voice-3.0 ou grok-voice-latest et envoyez session.update avec une voix, des instructions et des outils ; le code existant pour Grok Voice 2.0 n'a besoin que du nouveau nom de modèle.
- Intégrations
- WebSocket et WebRTC ; SIP via Twilio, Telnyx, Plivo ou tout fournisseur acheminant vers sip.voice.x.ai en TLS ; audio PCM de 8 kHz à 48 kHz, G.711 et Opus ; outils de recherche web, de recherche sur X, de recherche de fichiers, MCP et fonctions personnalisées.
- Données et confidentialité
- Aucun entraînement sur les entrées ou sorties de l'API sans autorisation explicite ; conservation de 30 jours par défaut pour les audits d'abus ; les conversations de l'agent vocal ne sont pas conservées en conservation zéro des données ; l'historique de session n'est gardé qu'avec la reprise activée et effacé après 30 minutes d'inactivité.
- Coût à grande échelle
- 4,80 $ par heure d'audio, donc 10 000 heures par mois coûtent 48 000 $, sans remise sur volume publiée.
- Limites
- Session de 120 minutes au maximum ; déployé uniquement dans us-east-1 ; indisponible sur le point d'accès régional américain ; jusqu'à 100 termes clés de 50 caractères chacun.
Les points forts
- Premier de l'indice parole-à-parole d'Artificial Analysis avec 86,9
- Forfait de 0,08 $ la minute, raisonnement compris
- Appels SIP avec transferts et saisie au clavier via Twilio, Telnyx et Plivo
- Recherche web, sur X et dans les fichiers intégrée, plus MCP et fonctions personnalisées
- Conversations non conservées en conservation zéro des données
Les points faibles
- Derrière GPT-Live-1 sur τ-Voice, le benchmark de service client
- Servi uniquement depuis us-east-1, sans point d'accès régional américain
- Les chiffres de déploiement et de latence viennent de SpaceXSI
- Clonage de voix sans vérification du consentement documentée
- Seulement 20 langues et variantes régionales listées dans la documentation
Idéal pour
Équipes qui construisent des agents vocaux pour le téléphone et les applications, veulent les meilleurs scores de benchmark à un prix à la minute prévisible et peuvent s'accommoder d'un déploiement uniquement américain.
Alternatives à Grok Voice 3.0
Grok Voice 3.0 : questions fréquentes
- Grok Voice 3.0 vaut-il le coup ?
- Grok Voice 3.0 mène l'indice indépendant parole-à-parole à un forfait simple, mais OpenAI l'emporte encore sur les tâches de type support et chaque appel est traité dans une seule région américaine. Nous lui donnons 4.3 sur 5.
- Combien coûte Grok Voice 3.0 ?
- 0,08 $ par minute d'audio (4,80 $ de l'heure) plus 0,004 $ par message texte en entrée, comme Grok Voice 2.0, raisonnement compris dans le tarif à la minute.
- Quels sont les inconvénients de Grok Voice 3.0 ?
- Derrière GPT-Live-1 sur τ-Voice, le benchmark de service client; servi uniquement depuis us-east-1, sans point d'accès régional américain; les chiffres de déploiement et de latence viennent de SpaceXSI; clonage de voix sans vérification du consentement documentée; seulement 20 langues et variantes régionales listées dans la documentation.
- À qui s’adresse Grok Voice 3.0 ?
- Équipes qui construisent des agents vocaux pour le téléphone et les applications, veulent les meilleurs scores de benchmark à un prix à la minute prévisible et peuvent s'accommoder d'un déploiement uniquement américain.
- Combien coûte Grok Voice 3.0 pour une équipe ou en production ?
- 4,80 $ par heure d'audio, donc 10 000 heures par mois coûtent 48 000 $, sans remise sur volume publiée.
- Grok Voice 3.0 est-il sûr pour les données de l’entreprise ?
- Aucun entraînement sur les entrées ou sorties de l'API sans autorisation explicite ; conservation de 30 jours par défaut pour les audits d'abus ; les conversations de l'agent vocal ne sont pas conservées en conservation zéro des données ; l'historique de session n'est gardé qu'avec la reprise activée et effacé après 30 minutes d'inactivité.
- Quelles sont les meilleures alternatives à Grok Voice 3.0 ?
- Les alternatives les plus proches que nous avons testées sont GPT-Live-1 (and GPT-Realtime-2.1), Gemini Omni Flash 1.1 et Cartesia Sonic 3.6.
Réponses vérifiées le 6 nov. 2026.
Vous éditez Grok Voice 3.0 ? Affichez cette note sur votre site
