Grok Voice 3.0
Grok Voice 3.0 est disponible depuis le 14 octobre 2026 pour les agents vocaux temps réel. Le service échange texte et audio par WebSocket. L’alias grok-voice-latest pointe désormais vers cette version ; un identifiant figé garde son intérêt pour les déploiements à contrôler.
01 Un échange audio bidirectionnel
L’API Speech to Speech diffuse texte et audio dans les deux sens. Elle vise assistants vocaux, agents téléphoniques et interfaces interactives. Elle ne se résume pas à fournir un fichier audio depuis une phrase : les sessions, les tours de parole et les actions font partie du parcours.
Le modèle est distinct de Grok dans l’application et de l’API de transcription. L’abonnement d’un produit grand public ne prouve pas que ces appels API sont compris dans son prix.
02 Passer de 2.0 à 3.0 sans compter sur un alias immobile
Le journal du 14 octobre déprécie grok-voice-2.0 et fait pointer grok-voice-latest vers grok-voice-3.0. Le guide indique mêmes endpoint, paramètres de session et événements, au même prix. Cela ne dispense pas de rejouer les cas sensibles d’une application.
Un alias facilite le suivi d’une version recommandée, mais peut changer le comportement sans modification du code client. En production contrôlée, conserver l’identifiant choisi, les consignes et un petit corpus de régression avec les mêmes outils.
03 Raisonnement, outils et tours de parole
Le guide prévoit reasoning.effort avec high par défaut ou none. Les outils peuvent inclure fonctions, recherche web, recherche X, fichiers et MCP selon le contrat documenté. Une fonction disponible n’est pas une autorisation de l’exécuter sans validation.
Le détecteur de parole peut gérer les tours automatiquement ; le parcours manuel utilise ses propres événements. Tester une interruption, un silence, une réponse incomplète et un outil en erreur. Prévoir une confirmation explicite avant une réservation, un paiement ou une suppression.
04 Garder la clé permanente côté serveur
Pour un navigateur ou une application mobile, le guide recommande des jetons éphémères. La clé API permanente reste côté serveur. Les informations d’authentification ne doivent pas être écrites dans le JavaScript public ni exposées dans les journaux de session.
Vérifier le contrat de conservation et la région du service avant d’envoyer des enregistrements sensibles. La présence d’un endpoint régional ou d’un réglage de session ne prouve pas à elle seule une conformité adaptée à chaque projet.
05 Prix : voix, entrées texte et outils sont distincts
Grille API consultée le 29 octobre 2026 : Speech to Speech Grok Voice 3.0 à 0,08 USD par minute, soit 4,80 USD par heure, et 0,004 USD par entrée texte facturable. Les appels d’outils et services téléphoniques éventuels sont à examiner séparément.
Ces taux ne décrivent ni un abonnement Grok ni une offre de transcription ou de synthèse vocale seule. Estimer une conversation avec pauses, reprises et actions au lieu de multiplier uniquement la durée du fichier audio final.
06 Comparer une conversation complète
Protocole proposé : demander une information à partir de pièces fictives, interrompre l’agent, corriger un détail puis simuler un outil indisponible. Contrôler ce qui a été compris, dit et effectivement exécuté. Garder la même voix d’essai, les mêmes permissions et les mêmes critères.
Comparer avec GPT-Live, Gemini Live ou le parcours Voxtral 3. Aucun classement de latence ou de qualité vocale n’est revendiqué sans mesure commune.
Sources officielles
- Annonce du 14 octobre et changement de l’alias
- Sessions, authentification et migration
- Fiche du modèle et modalités
- Grille Voice et outils
Consultées le 29 octobre 2026. Fiche documentaire sur sources éditeur, sans benchmark indépendant ni appel payant de modèle revendiqué.