Grok Voice 3.0: cosa cambia, prezzi dell'API e come usarla

Grok Voice 3.0 è il modello voce a voce di xAI per agenti vocali in tempo reale, presentato il 14 ottobre 2026. Parli, ascolta e risponde con la propria voce su un'unica connessione WebSocket: l'audio entra ed esce direttamente.

Chi costruisce agenti vocali guarda tre cose: quanto bene il modello ascolta e ragiona, quanto costa un minuto e quanto codice cambia. Per Grok Voice 3.0 le risposte sono il primo posto nell'indice voce a voce di Artificial Analysis (86.9 secondo xAI), $0.08 al minuto e nessuna modifica se chiami già grok-voice-latest.

Risposta breve

• Stesso prezzo, modello migliore. Grok Voice 3.0 sostituisce Grok Voice 2.0 allo stesso prezzo di $0.08 al minuto, sullo stesso endpoint e con gli stessi eventi di sessione.
• Supera Grok Voice 2.0 in tutti i punteggi confrontati da xAI: 86.9 contro 81.3 nell'indice voce a voce e 97.0% contro 95.1% nella gestione di pause e interruzioni.
• Si collega via WebSocket a wss://api.x.ai/v1/realtime. L'API segue il formato Realtime di OpenAI, quindi gli SDK di OpenAI funzionano cambiando la base URL.
• Parla più di 20 lingue con 28 voci integrate e può chiamare strumenti come la ricerca web o le tue funzioni durante la conversazione.

Che cos'è Grok Voice 3.0?

Un modello voce a voce: l'audio entra, l'audio esce e il modello ragiona nel mezzo. xAI lo descrive come un «modello voce a voce per agenti vocali in tempo reale». Gestisce milioni di conversazioni al giorno nelle auto Tesla, fa funzionare la modalità vocale di Grok Bot e i call center di Starlink rispondono a 20.000 chiamate al giorno con Grok Voice.

L'ID del modello è grok-voice-3.0. L'alias grok-voice-latest punta a questo modello dal giorno del lancio, quindi ogni sessione che usa l'alias è stata aggiornata da sola. Grok Voice 2.0 ora è segnato come obsoleto.

Cosa cambia rispetto a Grok Voice 2.0?

Tutti i punteggi confrontati da xAI salgono, mentre prezzo e API restano uguali. I numeri arrivano dall'annuncio di xAI, che cita i test di Artificial Analysis del 13 ottobre 2026.

Nella stessa tabella GPT-Live-1 (Astra) è a 83.2 sull'indice e Gemini 3.8 Live a 82.6, e Grok Voice 3.0 supera entrambi su tutte e cinque le righe.

Full Duplex Bench misura quanto è naturale gestire pause, turni di parola e interruzioni, il punto in cui chi chiama nota di più un agente vocale. xAI dice anche che il modello risponde in meno di un secondo.

Il modello ragiona prima di parlare. Il ragionamento è attivo per impostazione predefinita e si può disattivare per singola sessione quando la velocità conta più della profondità. Una sessione può anche chiamare strumenti mentre parla: ricerca file, ricerca web, ricerca su X, server MCP remoti e le tue funzioni.

Quanto costa l'API Grok Voice?

Secondo la pagina dei prezzi di xAI, Grok Voice 3.0 costa $0.08 al minuto di audio, cioè $4.80 all'ora. La stessa pagina elenca anche «$0.004 / text input» per lo stesso modello, senza indicare l'unità.

Se serve una sola direzione, xAI la fattura a parte: testo in voce costa $15 per milione di caratteri e voce in testo $0.10 all'ora ($0.20 all'ora in streaming).

Come ci si collega?

Apri un WebSocket su wss://api.x.ai/v1/realtime, passi il modello come parametro di query, configuri la sessione e invii audio nelle due direzioni. Questa è la guida rapida Python di xAI, copiata dalla sua documentazione:

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:
        # Configura la sessione
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "voice": "eve",
                "instructions": "You are a helpful assistant.",
                "turn_detection": {"type": "server_vad"}
            }
        }))

        # Invia un messaggio di testo
        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"}))

        # Ricevi le risposte audio e testo
        async for msg in ws:
            event = json.loads(msg)
            print(f"Event: {event['type']}")

asyncio.run(voice_agent())

Per fissare il nuovo modello invece dell'alias, usa model=grok-voice-3.0. Alcuni dettagli decidono se la prima chiamata funziona:

Quali voci e lingue ci sono?

La documentazione elenca 28 voci integrate, con eve come predefinita, e ogni voce parla tutte le lingue supportate. L'API voce a voce supporta più di 20 lingue. Riconosce la lingua di chi chiama, risponde in quella lingua e può cambiarla a metà conversazione.

Con l'API Custom Voices di xAI puoi anche clonare una voce da un clip di riferimento lungo fino a due minuti. Ogni team può creare fino a 30 voci personalizzate gratis, ma la funzione è disponibile solo negli Stati Uniti, tranne l'Illinois.

xAI afferma che l'audio viene elaborato in tempo reale e non viene mai archiviato né usato per l'addestramento.

Si può usare Grok Voice 3.0 con OmniaKey?

Oggi no. OmniaKey non offre Grok Voice, quindi si chiama con una chiave API di xAI. Se usi anche i modelli testo e immagine di Grok, Grok 4.7 e Grok Imagine 2.0 girano su OmniaKey con una sola chiave, accanto a Claude, GPT e Gemini. La guida all'API Grok Imagine copre il lato immagine.

Domande frequenti

Grok Voice 3.0 è gratis?

L'API è a pagamento: la pagina dei prezzi di xAI indica $0.08 al minuto di audio. Se vuoi solo parlare con Grok, le app Grok su web, iOS e Android hanno una modalità vocale a mani libere.

Devo cambiare il codice rispetto a Grok Voice 2.0?

No. Endpoint, impostazioni di sessione ed eventi sono gli stessi e grok-voice-latest punta già al 3.0. Solo il codice fissato a grok-voice-2.0 ha bisogno del nuovo nome.

Funziona con l'SDK di OpenAI?

Sì. La guida alla migrazione di xAI dice che un'app costruita sull'API Realtime di OpenAI richiede tre modifiche: la base URL (https://api.x.ai/v1), la chiave API e il nome del modello.

Quanto è veloce a rispondere?

xAI dice che risponde in meno di un secondo. L'annuncio indica anche un punteggio del 71.6% su τ-Voice, paragonabile a GPT-Live-1 (Astra) con il 40% di latenza in meno.

Fonti

• Annuncio di xAI: Grok Voice 3.0 (14 ottobre 2026)
• Documentazione xAI: voce a voce e panoramica delle voci
• Prezzi xAI, limiti di richiesta e note di rilascio
• xAI Custom Voices

Verificato il 19 ottobre 2026.