Grok Voice 3.0が登場！音声AIの新機能・API料金・使い方を解説【2026年】

Grok Voice 3.0とは？

xAIは2026年10月14日、音声を聞いて音声で返答するGrok Voice 3.0を発表しました。開発者向けVoice Agent APIで利用でき、問い合わせ受付などへ会話AIを組み込むためのモデルです。

自分がAIと話す一般向けGrokと、自社アプリに音声対話を作るAPIは別の使い方です。今回の1分単位の料金はAPIに適用されます。

2.0から何が変わった？

xAIは自然な会話、応答の速さ、割り込みへの対応、タスクを進める力の改善を紹介しています。応答は1秒未満と説明していますが、これは発表元の説明で、通信や構成を含む実環境の待ち時間を保証するものではありません。

発表内のArtificial AnalysisによるSpeech-to-Speech Index（2026年10月13日時点）では、3.0は86.9、2.0は81.3とされています。この比較に含まれるOpenAI側はGPT-Live-1（Astra、Medium）で、翌日以降のGPT-Live-1.1との同条件比較ではありません。

Voice Agent APIでできること

APIは、AIの機能を自分のアプリに組み込む仕組みです。例えば、利用者の声を聞き、その場で回答する受付を作れます。一般向けGrokの音声チャットを開くだけでは設定できません。

• 顧客対応・問い合わせ受付：よくある質問への音声案内と、担当者への引き継ぎを設計する。
• 予約・案内：外部ツールを接続し、空き状況の照会などを組み込む。実際の予約確定には権限と確認手順が必要。
• 社内アシスタント：許可した情報や業務システムを参照する音声窓口を作る。

料金・モデルID・課金条件

2026年10月16日に確認した公式価格は、音声会話1分US$0.08（1時間換算US$4.80）です。一般向けGrokの月額料金には含まれません。

一般向けGrokとAPIの始め方を分ける

Grokと声で話したいだけなら、Webやスマホアプリの音声機能を使います。自社の電話受付などを作る場合は、Voice Agent APIの開発が必要です。利用条件はそれぞれの画面で確認してください。

APIを組み込む開発者は次の順に進めます。ここでは契約や課金操作を代行せず、公式手順の流れを紹介します。

1. console.x.aiで開発者アカウントとクレジット、利用予算を確認する。
2. APIキーをサーバーで安全に管理し、モデルをgrok-voice-3.0またはgrok-voice-latestに設定する。
3. 公式Speech to Speechの例に沿ってWebSocketで接続し、声・言語・外部ツールを設定する。
4. テスト用の情報で応答、割り込み、失敗時の有人対応、課金状況を確認してから公開する。

ChatGPT Voiceとの違いは？

相談や語学練習ならチャットの音声機能。顧客向けの音声受付を作るならAPIの開発・運用。用途で分けると選びやすくなります。

よくある質問

無料で使える？ 公表されている音声APIは従量課金です。デモと、本番での継続利用の無料枠は分けて確認します。

SuperGrokを契約すればAPIも使い放題？ 一般向け月額プランとAPIのクレジット課金は別です。

日本語の電話受付をすぐ作れる？ 日本語には対応しますが、電話回線、顧客情報との接続、権限管理、有人対応などの開発・運用が必要です。

ChatGPT Voiceより高性能？ 公式発表の表はGPT-Live-1との比較です。最新のGPT-Live-1.1に対する優位性はこの表だけでは判断できません。

関連するツール・ガイド