Grok Voice 3.0とは？会話しながら問い合わせ対応まで進める音声AI

SpaceXSIは2026年10月14日、音声対話モデル「Grok Voice 3.0」を発表しました。人の声を聞いて音声で答えるAIで、会話の理解力や問い合わせを解決する能力を高めながら、API料金は従来と同じ1分0.08ドルに据え置いています。

特徴は、自然に話すだけでなく、会話の内容に応じて外部のシステムを操作し、手続きを進められることです。企業の電話窓口や、アプリに組み込む音声アシスタントなどを想定しています。

開発者は、Grok Voice 3.0に業務のルールや利用できる機能を設定し、利用者と会話しながら作業する音声エージェントを作れます。例えば、問い合わせ内容を聞き取り、必要な情報を調べ、その結果を声で説明する仕組みです。

公式ドキュメントでは、リアルタイムの音声対話と外部機能の呼び出しに対応しています。Webサイトや電話と接続するためのサンプルも公開されており、自社サービスに音声窓口を組み込めます。

公式発表が掲載したArtificial Analysisの評価では、Grok Voice 3.0は「Speech-to-Speech Index」で86.9点を獲得しました。従来のGrok Voice 2.0は81.3点で、5.6ポイントの向上です。比較表に掲載されたGPT-Live-1は83.2点、Gemini 3.8 Liveは82.6点でした。

この指標は、音声を聞いて考える能力、顧客対応の遂行能力、人による会話の好み、課題の達成率を合わせたものです。声の聞き心地だけでなく、話した内容を理解して目的を達成できるかを評価しています。

また、間の取り方や発言の交代、会話への割り込みへの対応を測る「Full Duplex Bench」では97％でした。ただし、総合評価での首位は、あらゆる用途や個別の試験で最も優れていることを意味するわけではありません。

同社によると、Starlinkの電話窓口ではGrok Voiceが多言語で毎日約2万件の問い合わせに対応し、約70％を人の介入なしで解決しています。Grok Voice 3.0を使うエージェントは、本人確認から機器のトラブル対応、返金相当のクレジット付与、交換機器の発送まで扱うとしています。

これらは同社が公表した運用実績であり、独立した第三者による検証結果とは区別する必要があります。

開発者向けには、発表当日の10月14日から「Voice Agent API」で提供されています。公式の開発者コンソールでAPIキーを作成し、音声対話の接続を設定することで利用できます。ブラウザー上で試すためのプレイグラウンドも用意されています。

料金は1分0.08ドル、1時間換算で4.80ドルです。文章の入力量・出力量を別々に示す料金ではなく、音声APIの時間単位の料金として案内されています。

既存のシステムでモデル名に「grok-voice-latest」を指定している場合は、自動的に3.0へ切り替わります。公式リリースノートではAPIの仕様は変わらず、「grok-voice-3.0」を直接指定する方法も案内されています。