Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
X
XAI / grok-voice-3.0
Grok Voice 3.0
Modèle vocal propriétaire disponible depuis le 14 octobre 2026 pour des conversations bidirectionnelles en audio et en texte. Son identifiant versionné est grok-voice-3.0 ; grok-voice-latest est un alias qui pointe déjà vers cette version, et non un autre modèle. Il remplace Grok Voice 2.0, désormais obsolète, sans modifier le point de terminaison, les paramètres de session ni les événements. À ne pas confondre avec Grok Voice Transcribe 2.0 ou le service distinct de synthèse vocale.
01 / RÉSUMÉ
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
02 / FICHE TECHNIQUE
Limites et intégration
| ID d’API | grok-voice-3.0 |
|---|---|
| Type de modèle | Voix et audio |
| Mode d’accès | Propriétaire payant |
| Licence | Propriétaire |
| Déploiement | API hébergée |
| Lancement | 14 OCT 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Texte · Audio |
| Sortie | Texte · Audio |
| Fenêtre contextuelle | Fenêtre de contexte non publiée |
| puissance maximale | Audio et texte en streaming ; maximum non publié |
| Raisonnement | Effort high ou none ; high par défaut |
| Outils publiés | Fonctions · Recherche web · Recherche sur X · MCP · Recherche dans les collections |
| Sorties structurées | Non publié |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | API xAI |
Assistants vocaux, agents téléphoniques et interactions multilingues avec des outils. La documentation mentionne notamment l’espagnol, l’anglais, le français, l’italien, l’allemand et le portugais parmi plus de vingt langues. Détection automatique des tours, fonctions et accès configuré à la recherche ou à MCP sont proposés. Ces outils n’autorisent pas les actions sensibles : conserver une confirmation humaine lorsque nécessaire.
Les limites portent sur les sessions simultanées, non sur les tokens : les niveaux T0 à T4 autorisent respectivement 10, 20, 50, 100 et 200 sessions ; vérifier les limites de votre équipe. Aucune fenêtre de contexte ni durée maximale publique n’a été vérifiée. La latence annoncée n’est pas un benchmark indépendant. Utiliser des tokens éphémères dans les navigateurs sans exposer la clé permanente. Éviter l’alias latest pour figer une version reproductible.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
Assistants vocaux, agents téléphoniques et interactions multilingues avec des outils. La documentation mentionne notamment l’espagnol, l’anglais, le français, l’italien, l’allemand et le portugais parmi plus de vingt langues. Détection automatique des tours, fonctions et accès configuré à la recherche ou à MCP sont proposés. Ces outils n’autorisent pas les actions sensibles : conserver une confirmation humaine lorsque nécessaire.
Contexte
Fenêtre de contexte non publiée · Audio et texte en streaming ; maximum non publié
Outils et intégration
Fonctions · Recherche web · Recherche sur X · MCP · Recherche dans les collections
Accès
API xAI · WebSocket /v1/realtime
Modalités d’entrée
TexteAudio
04 / TARIFS
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | 0,08 USD / minute de conversation | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | 0,004 USD / entrée de texte | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
Le tarif officiel est de 0,08 USD par minute de conversation, soit 4,80 USD par heure, et de 0,004 USD par entrée de texte. Le prix de Voice 2.0 est maintenu. Ce ne sont pas des tarifs par million de tokens : les champs numériques correspondants restent vides. Les services distincts de transcription et de synthèse utilisent d’autres unités, non reprises dans cette fiche.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
05 / ÉVALUATIONS
Comment lire les résultats
“
Aucun score numérique publié spécifiquement pour Grok Voice 3.0 n’a été trouvé. Inferama n’a pas réalisé d’évaluation propre et ne reprend pas les résultats de Grok 4.7 ou du modèle de transcription. Un test utile doit contrôler langue, accent, bruit, interruptions, fidélité des transcriptions et actions des outils, en consignant identifiant exact, latence observée et coût réel.
i Nous n’avons pas trouvé de benchmarks publiés pour ce modèle.
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
06 / VERSIONS
Chronologie
Grok Voice 3.0
Disponible ; remplace Voice 2.0 et met à jour l’alias grok-voice-latest.
07 / SOURCES