Grok Voice 3.0 : nouveautés, prix de l'API et comment l'utiliser

Grok Voice 3.0 est le modèle parole à parole de xAI pour les agents vocaux en temps réel, présenté le 14 octobre 2026. Vous parlez, il écoute et répond avec sa propre voix sur une seule connexion WebSocket : l'audio entre et sort directement.

Pour un agent vocal, trois points comptent : la qualité d'écoute et de raisonnement, le prix d'une minute et le code à modifier. Pour Grok Voice 3.0, les réponses sont la première place de l'indice parole à parole d'Artificial Analysis (86.9, selon xAI), $0.08 la minute et aucun changement si vous appelez déjà grok-voice-latest.

Réponse courte

• Même prix, meilleur modèle. Grok Voice 3.0 remplace Grok Voice 2.0 au même prix de $0.08 la minute, sur le même endpoint et avec les mêmes événements de session.
• Il devance Grok Voice 2.0 sur tous les scores comparés par xAI : 86.9 contre 81.3 sur l'indice parole à parole, et 97.0% contre 95.1% sur la gestion des pauses et des interruptions.
• La connexion passe par WebSocket à l'adresse wss://api.x.ai/v1/realtime. L'API suit le format Realtime d'OpenAI, donc les SDK d'OpenAI fonctionnent en changeant la base URL.
• Il parle plus de 20 langues avec 28 voix intégrées, et il appelle des outils comme la recherche web ou vos propres fonctions en pleine conversation.

Qu'est-ce que Grok Voice 3.0 ?

Un modèle parole à parole : l'audio entre, l'audio sort, et le modèle raisonne entre les deux. xAI le décrit comme un « modèle parole à parole pour les agents vocaux en temps réel ». Il traite des millions de conversations par jour dans les voitures Tesla, fait tourner le mode vocal de Grok Bot, et les centres d'appels de Starlink répondent à 20 000 appels par jour avec Grok Voice.

L'identifiant du modèle est grok-voice-3.0. L'alias grok-voice-latest pointe dessus depuis le jour du lancement : toute session qui utilise l'alias a donc été mise à jour automatiquement. Grok Voice 2.0 est désormais marqué comme obsolète.

Qu'est-ce qui change face à Grok Voice 2.0 ?

Tous les scores comparés par xAI progressent, tandis que le prix et l'API restent identiques. Les chiffres viennent de l'annonce de xAI, qui cite les tests d'Artificial Analysis du 13 octobre 2026.

Dans le même tableau, GPT-Live-1 (Astra) obtient 83.2 sur l'indice et Gemini 3.8 Live 82.6, et Grok Voice 3.0 devance les deux sur les cinq lignes.

Full Duplex Bench mesure le naturel face aux pauses, aux tours de parole et aux interruptions, ce que les appelants remarquent le plus. xAI indique aussi que le modèle répond en moins d'une seconde.

Le modèle réfléchit avant de parler. Le raisonnement est activé par défaut et peut être coupé pour une session quand la vitesse compte plus que la profondeur. Une session peut aussi appeler des outils pendant qu'elle parle : recherche de fichiers, recherche web, recherche sur X, serveurs MCP distants et vos propres fonctions.

Combien coûte l'API Grok Voice ?

D'après la page de prix de xAI, Grok Voice 3.0 coûte $0.08 par minute d'audio, soit $4.80 par heure. La même page affiche aussi « $0.004 / text input » pour le même modèle, sans préciser l'unité.

Pour un seul sens, xAI facture à part : la synthèse vocale coûte $15 par million de caractères, et la transcription $0.10 par heure ($0.20 par heure en streaming).

Comment s'y connecter ?

Vous ouvrez un WebSocket sur wss://api.x.ai/v1/realtime, passez le modèle en paramètre de requête, configurez la session, puis envoyez de l'audio dans les deux sens. Voici le démarrage rapide Python de xAI, copié de sa documentation :

import asyncio
import json
import os
import websockets

async def voice_agent():
    async with websockets.connect(
        "wss://api.x.ai/v1/realtime?model=grok-voice-latest",
        additional_headers={"Authorization": f"Bearer {os.environ['XAI_API_KEY']}"}
    ) as ws:
        # Configurer la session
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "voice": "eve",
                "instructions": "You are a helpful assistant.",
                "turn_detection": {"type": "server_vad"}
            }
        }))

        # Envoyer un message texte
        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {"type": "message", "role": "user",
                     "content": [{"type": "input_text", "text": "Hello!"}]}
        }))
        await ws.send(json.dumps({"type": "response.create"}))

        # Recevoir les réponses audio et texte
        async for msg in ws:
            event = json.loads(msg)
            print(f"Event: {event['type']}")

asyncio.run(voice_agent())

Pour épingler le nouveau modèle au lieu de l'alias, utilisez model=grok-voice-3.0. Quelques détails décident si votre premier appel passe :

Quelles voix et quelles langues ?

La documentation liste 28 voix intégrées, avec eve par défaut, et chaque voix parle toutes les langues prises en charge. L'API parole à parole gère plus de 20 langues. Elle détecte celle de l'interlocuteur, répond dans cette langue et peut en changer en cours de conversation.

L'API Custom Voices de xAI permet aussi de cloner une voix à partir d'un extrait de référence de deux minutes maximum. Chaque équipe peut créer jusqu'à 30 voix personnalisées gratuitement, mais la fonction n'est disponible qu'aux États-Unis, sauf dans l'Illinois.

xAI précise que l'audio est traité en temps réel et n'est ni stocké ni utilisé pour l'entraînement.

Peut-on utiliser Grok Voice 3.0 avec OmniaKey ?

Pas aujourd'hui. OmniaKey ne propose pas Grok Voice, il faut donc une clé d'API xAI. Si vous utilisez aussi les modèles texte et image de Grok, Grok 4.7 et Grok Imagine 2.0 tournent sur OmniaKey avec une seule clé, à côté de Claude, GPT et Gemini. Le guide de l'API Grok Imagine couvre le côté image.

Questions fréquentes

Grok Voice 3.0 est-il gratuit ?

L'API est payante : la page de prix de xAI indique $0.08 par minute d'audio. Pour simplement parler à Grok, les applications Grok sur le web, iOS et Android proposent un mode vocal mains libres.

Faut-il modifier son code depuis Grok Voice 2.0 ?

Non. L'endpoint, les réglages de session et les événements sont identiques, et grok-voice-latest pointe déjà sur 3.0. Seul le code épinglé sur grok-voice-2.0 a besoin du nouveau nom.

Grok Voice 3.0 fonctionne-t-il avec le SDK d'OpenAI ?

Oui. Le guide de migration de xAI indique trois changements pour une app construite sur l'API Realtime d'OpenAI : la base URL (https://api.x.ai/v1), la clé d'API et le nom du modèle.

Quelle est la vitesse de réponse ?

xAI annonce une réponse en moins d'une seconde. Son annonce indique aussi un score de 71.6% sur τ-Voice, comparable à GPT-Live-1 (Astra) avec 40% de latence en moins.

Sources

• Annonce de xAI : Grok Voice 3.0 (14 octobre 2026)
• Documentation xAI : parole à parole et vue d'ensemble des voix
• Prix xAI, limites de débit et notes de version
• xAI Custom Voices

Vérifié le 19 octobre 2026.