xAIが音声AI「Grok Voice 3.0」を公開。料金は1分0.08ドルで据え置き

📖 この記事で分かること

• Grok Voice 3.0の発表内容と提供開始日
• 料金が1分0.08ドルのまま変わらない点
• 電話窓口や車内での使われ方の実例
• 既存の利用者に起きる自動切り替えと注意点

💡 知っておきたい用語

• 音声対話モデル:文字に書き起こしてから答えるのではなく、話しかけた声に声で答えるAI。電話で人と話す感覚に近い使い方を目指したものです

最終更新日: 2026年10月16日

▶ 公式ページ

• Grok Voice 3.0 発表ページ(xAI)
• xAI API リリースノート(xAI Docs)

Grok Voice 3.0で何が変わるか

この記事のポイント

• xAIが2026年10月14日にGrok Voice 3.0(2026年10月時点)を発表し、同日からVoice Agent APIで提供
• 料金は1分0.08ドル(2026年10月時点)で、従来のGrok Voice 2.0と同じ
• grok-voice-latestを使う既存の接続は、自動で3.0に切り替わる

電話の問い合わせ対応をAIに任せたい企業にとって、より新しい音声AIを、これまでと同じ料金で使えるようになりました。すでにGrok Voiceを使っている企業は、設定によっては何もしなくても新しいモデルに切り替わっています。

xAIは2026年10月14日、声で話しかけると声で答える音声対話モデル「Grok Voice 3.0」を発表しました。開発者向けの窓口であるVoice Agent API【エーピーアイ】で、発表当日から使えます。料金は1分あたり0.08ドル、1時間なら4.80ドルで、前の版であるGrok Voice 2.0から変わっていません。

この記事では、電話窓口の自動化を検討している企業の担当者や、AIの電話応対が身近になっていく流れを知りたい人に向けて、何が変わり、どこに注意が要るかを整理します。

発表の背景と位置づけ

Grok Voice 3.0は、すでに提供されていたGrok Voiceの新しい版です。今回の発表で大事なのは、新しい機能を別の窓口で売り出すのではなく、既存のVoice Agent APIの中で置き換える形を取った点です。

xAIの開発者向けリリースノートによると、「grok-voice-latest」という呼び名(常に最新版を指す名前)は、今回からgrok-voice-3.0を指すようになりました。この呼び名を使っている接続は自動で新しい版に移り、APIの仕組み自体は変わっていないと説明されています。

つまり、Grok Voiceを使ってサービスを作っている企業の多くは、システムを改修しなくても新しいモデルの恩恵を受けられます。一方で、自分たちの電話応対の受け答えが、知らないうちに新しいモデルのものに変わっているという意味でもあります。

今回の要点:料金・速さ・評価

料金は据え置き、応答の速さと外部指標での評価が売りです。数字はいずれもxAIが発表したもので、整理すると次のとおりです。

電話での会話では、答えが返ってくるまでの「間」が長いと、相手は聞こえていないのかと不安になります。xAIが応答の遅れを1秒未満と強調しているのは、この点を意識したものと読めます。

外部指標の86.9点という数字は、音声で受けて音声で返すAIを比べるための指標でのスコアです。ただし、この順位はxAIが自社の発表で伝えているもので、どの言語・どの条件で測ったかは、この記事で参照した発表内容の範囲では確かめられていません。

費用の目安も立てやすくなっています。たとえば1件あたり平均5分の電話なら、料金は1件0.4ドルです。1日100件を任せれば、AIの利用料は1日40ドルという計算になります(通話回線や開発・運用の費用は別です)。

電話応対や車内での使われ方と、導入側の注意点

xAIは、実際の大規模な運用例を挙げています。ベンチマークの点数より、導入を考える企業には参考にしやすい材料です。

xAIによると、衛星インターネットサービスStarlinkのコールセンターでは、Grok Voiceが毎日2万件の問い合わせ電話に応じており、そのうちおよそ7割が人の手を借りずに解決しているといいます。またGrok Voice 3.0は、Tesla車内で1日数百万件の会話を処理していると説明しています。

読者の場面に置き換えると、たとえば「契約内容の確認」「よくある設定の質問」のような定型の問い合わせが多い窓口で、最初の受け答えをAIに任せ、込み入った相談だけを人に回す使い方が想定できます。Starlinkの例は、まさにその形の運用規模を示したものです。

ただし、読み取るときに気をつけたい点があります。

• Starlinkの2万件・約7割という数字について、xAIは「Grok Voice」と書いており、3.0での実績かどうかは発表文からは分かりません。Tesla車内の数字は3.0についてのものです
• いずれの数字も、xAIが自社や関連企業の運用として説明しているもので、外部の検証を経た数字ではありません
• この記事で参照した発表内容には、対応言語や日本語での品質についての記述が含まれていません。日本語の電話窓口に使えるかは、自社で確かめる必要があります

すでにGrok Voiceを使っている企業は、自社の接続が「grok-voice-latest」を指しているかどうかを確認しておくと安心です。指している場合は、すでに3.0に切り替わっているので、よくある問い合わせへの受け答えが以前と変わっていないかを、早めに確かめておくとよいでしょう。

これから検討する企業は、上の料金の計算を自社の通話件数と平均時間で当てはめ、人が対応する場合の費用と比べるところから始められます。

編集部の見方

編集部は、電話窓口の自動化を検討している企業にとって今回いちばん判断材料になるのは、ベンチマーク1位よりも「料金据え置き」と「実際の運用規模の数字」だと見ています。

• 根拠1:料金が1分0.08ドルのまま変わらないため、2.0の時点で立てた費用の試算をそのまま使えます。新版のために予算を組み直す必要がありません
• 根拠2:xAIはStarlinkで1日2万件、約7割を人の手なしで解決という運用の数字を示しています。点数より、自社の窓口に置き換えて考えやすい材料です
• 根拠3:応答の遅れが1秒未満という説明は、電話のように「間」が気になる場面で効く性質の改善です

一方で、日本語の電話窓口にそのまま当てはめるのは、まだ早いと考えています。参照した発表内容からは日本語での品質を確かめられず、運用の数字もxAIと関連企業のものに限られるからです。

この見方が変わる条件は、日本語での評価結果や、日本企業での運用例が公開されたときです。そうなれば、国内の電話窓口でも「費用を試算して小さく試す」段階から一歩進めて検討できます。

よくある質問

Q: Grok Voice 3.0は追加料金がかかりますか?

A: xAIの発表では、料金は1分0.08ドル(1時間4.80ドル)で、従来のGrok Voice 2.0と同じです。

Q: すでにGrok Voiceを使っています。何か対応が必要ですか?

A: 接続に「grok-voice-latest」という呼び名を使っている場合は、APIを変えなくても自動で3.0に切り替わっています。受け答えの内容が以前と変わっていないかを確かめておくと安心です。

Q: 日本語の電話窓口でも使えますか?

A: この記事で参照した発表内容には、対応言語や日本語での品質に関する記述が含まれていません。導入前に、自社の問い合わせ内容で試して確かめる必要があります。

まとめ

xAIは2026年10月14日、音声対話モデルGrok Voice 3.0を発表し、Voice Agent APIで同日から提供を始めました。料金は1分0.08ドルで据え置かれ、grok-voice-latestを使う既存の接続は自動で新版に移ります。Starlinkのコールセンターでの運用規模など判断材料は増えましたが、日本語での品質は自社での確認が前提です。

【用語解説】

• Voice Agent API: xAIが開発者向けに提供している、音声で応対するAIを自社のサービスに組み込むための窓口
• エイリアス: 特定の版ではなく「最新版」などを指す別名。grok-voice-latestを使うと、新しい版が出たときに自動で切り替わる
• Speech-to-Speech Index: 調査会社Artificial Analysisによる、声で受けて声で返すAIを比べるための指標

引用元:

• [1] Grok Voice 3.0(xAI)
• [2] Release Notes(xAI Docs)

この記事について: AI 支援で執筆、編集部が事実確認・編集しています。誤りや追加情報があれば Contact よりお知らせください。