xAI annonce Grok Voice 3.0 pour les agents vocaux

xAI a annoncé le 14 octobre 2026 Grok Voice 3.0, un modèle de conversion de la parole en parole en temps réel destiné aux agents vocaux. L’entreprise a indiqué qu’il était disponible dans Voice Agent API et que les agents utilisant l’alias grok-voice-latest avaient basculé automatiquement vers cette version. L’annonce de xAI fixe le tarif vocal à 0,08 dollar par minute, tandis que sa documentation détaille la connexion et les réglages accessibles aux développeurs.

Connexion et personnalisation des agents

La documentation de Voice Agent API montre une connexion temps réel par WebSocket à /v1/realtime. La session peut être configurée avec une voix, des instructions, la détection d’activité vocale côté serveur et des outils ; l’exemple de xAI active notamment web_search.

Pour une application côté client, xAI recommande des jetons éphémères afin de ne pas exposer la clé API dans l’application. Le guide répertorie 28 identifiants de voix intégrées et montre aussi comment créer une voix personnalisée à partir d’un extrait de référence de 120 secondes maximum. L’identifiant ainsi obtenu peut être utilisé avec l’API temps réel de conversion de la parole en parole.

Ce que mesurent les scores comparés

Les résultats d’Artificial Analysis, datés du 13 octobre et cités par xAI lors de son annonce, donnent à Grok Voice 3.0 un score de 86,9 au Speech-to-Speech Index. Artificial Analysis calcule cet indice en pondérant à parts égales quatre composantes : Big Bench Audio, τ-Voice, Arena Preference et la réussite des tâches. Les variantes indiquées dans le tableau sont celles comparées dans l’annonce de xAI. (xAI ; méthode et classement d’Artificial Analysis)

L’indice agrège plusieurs évaluations plutôt que de mesurer une seule tâche : Big Bench Audio porte sur le raisonnement à partir de l’audio, τ-Voice sur la réalisation de tâches dans des conversations simulées, Arena Preference sur les préférences et le dernier volet sur la réussite des tâches. Le score de 86,9 résume donc ces composantes dans le cadre de l’évaluation d’Artificial Analysis.

Le tarif vocal et les autres lignes de prix

xAI a annoncé un tarif de 0,08 dollar par minute pour le modèle speech-to-speech, identique à celui de Grok Voice 2.0. Sa page de tarifs, indiquée comme mise à jour le 10 octobre 2026, affiche également 0,004 dollar par entrée texte.

Cette même page présente séparément la transcription par API — 0,10 dollar par heure en REST et 0,20 dollar par heure en streaming — ainsi que la synthèse vocale à 15 dollars par million de caractères. Ce sont des tarifs pour des services distincts de la conversion speech-to-speech.