Grok Voice 3.0 已開放 Voice Agent API，語音費率為每分鐘 US$0.08；使用 grok-voice-latest 的服務已自動切到新模型。對台灣開發團隊，眼前最值得做的是檢查模型版本、補齊帳單估算，再用台灣華語與繁體中文情境驗證品質。官方列有中文支援，但本文尚未驗證台灣帳號與付款資格，也沒有實測台灣口音、繁體逐字稿或網路延遲。
xAI 於 2026 年 10 月 14 日公布這次更新；本文於台灣時間 2026 年 10 月 15 日查核公告與開發文件。定價以查核當時頁面為準，不能把免費試用按鈕或免費建立自訂聲音，理解成免費使用 Voice API。來源：Grok Voice 3.0 官方公告。
封面為 AI 生成概念插畫，以麥克風與雙向聲波呈現即時語音對話；非官方素材、產品介面或實測畫面。
Grok Voice 3.0 更新了什麼？
這次主角是可進行即時雙向對話的 speech-to-speech 模型，適合評估語音助理與客服代理。它和把錄音轉成文字的 STT、把文字唸出來的 TTS 是不同服務，不能交叉套用費率或評測結果。官方 Voice 概覽將三種服務分列，Voice Agent 使用即時端點。
依 xAI 公告引用的 Artificial Analysis 結果，Grok Voice 3.0 的 Speech-to-Speech Index 為 86.9、Full Duplex Bench 為 97%；xAI 也宣稱回應延遲低於一秒。這些是官方轉述的評測與效能宣稱，不是本站實測。特定評測設定下的分數與延遲，不能直接當成台灣客服來電、背景噪音或繁中工具操作的保證。
每分鐘 US$0.08，預算還要看文字輸入與周邊費用
公告與 Voice 概覽都列出每分鐘 US$0.08，換算一小時 US$4.80，與前代相同。發布前複查時，官方定價總表已列出 Grok Voice 3.0，並另列 US$0.004／text input。本文依最新表格保留這項文字輸入費，不自行把「text input」換算成每 token 或每百萬 token。來源：官方 API 定價總表，查核時間為 2026 年 10 月 15 日 01:19（台灣時間）。
| 項目 | 官方資訊或計算 | 讀者應注意 |
|---|---|---|
| 語音使用 | US$0.08／分鐘，US$4.80／小時 | 不是整套客服系統的總成本 |
| 文字輸入 | US$0.004／text input | 依官方原單位呈現，勿套用文字模型的 token 單價 |
| 假設 1,000 分鐘語音 | 1,000 × US$0.08＝US$80 | 僅語音部分；不含文字輸入、工具、電信、主機與其他適用費用 |
| 免費額度或訂閱內含 | 本文未確認標準 Voice 3.0 免費額度 | 不能由「Try It Free」或 Grok 消費者訂閱推定 API 免費 |
本站分析：評估客服代理時，建議同時記錄「成功完成一件事的成本」與總帳單。若一句話辨識錯誤就多繞兩輪、查詢更多工具或轉人工，分鐘單價相同也可能有不同營運成本。上表是公開費率整理與算式示例，沒有執行付費 API 呼叫，也不構成實際帳單報價。
已用 2.0 的團隊，先確認 alias 還是固定版本
Speech-to-Speech 開發文件寫明：grok-voice-latest 現在指向 grok-voice-3.0；grok-voice-2.0 已標示 deprecated。若固定使用 2.0，官方建議將模型改為 3.0。本文查核的升級段落未列出 2.0 的確切關閉日期，因此不把 deprecated 寫成已停止服務。
官方表示端點、session 參數與事件格式沿用，且價格相同。這降低介面遷移負擔，但仍應用既有測試確認回答內容、打斷時機和工具呼叫行為。使用 latest 的團隊尤其應核對變更紀錄，避免只因程式碼沒有改動，就以為服務端模型也沒有變。
- 查模型選擇：盤點設定是 latest 還是固定版本，保留可追蹤的部署設定與測試日期。
- 重跑代表性對話：比較多輪回答、使用者插話、噪音、工具失敗與轉人工流程。
- 分階段放量：先跑內部或低風險試用，設定成本、錯誤率和人工接手門檻，再決定正式上線。
支援中文，仍要獨立驗證台灣華語與繁體逐字稿
官方文件宣稱支援 20 多種語言與自動偵測；語言表把中文列為 Chinese (Simplified)，代碼 zh，沒有在該表明列 zh-TW 的品質保證。文件也提醒，未支援的 language hint 會被忽略。台灣口音辨識、專有名詞、繁體字輸出和實際回應速度，因此都應納入在地測試。
本站建議的測試方式：用不含個資的模擬內容，測試「台北市中山區」等地址讀法、中英混用產品名、同音字、金額確認，以及說到一半改口。分別觀察聽懂的文字、說出的發音、實際工具參數和最終完成結果，不能只聽聲音自然就判定任務正確。
台灣帳號申請、付款方式與實際可用性，本次均未登入帳號或結帳驗證。另依 Regional Endpoints 文件，美國專用端點目前不提供 Voice API；有資料所在地要求的團隊，不能把文字模型的區域端點保證直接套用到語音服務。
Custom Voices 目前限美國，免費建立不等於免費通話
Custom Voices 文件明列，功能目前只在美國開放，伊利諾州除外。控制台可免費建立最多 30 個自訂聲音；透過 API 建立則限 Enterprise 團隊。這是建立聲音的條件，後續合成或語音對話仍須分別查看適用計費，不能延伸成台灣可用或免費 Voice Agent API。
台灣團隊初期評估可先檢視內建聲音是否適合品牌與使用者，再確認相關帳號資格。若未來需要複製真人聲音，還要先處理聲音提供者的同意、用途與揭露，不能只以技術上可上傳作為使用依據。
適合誰評估？哪些情境先別直接替換？
- 適合評估：已具備語音整合能力、可驗證帳號資格，且能用低風險資料測試的客服或助理開發團隊。既有 latest 使用者也值得立刻安排回歸測試。
- 先別直接替換：需要明確台灣華語品質保證、固定資料處理地點，或尚未設好人工作業備援的服務。
- 工具操作另設門檻：先測唯讀查詢，再分別設計訂單變更、退款等操作的權限與確認；對話流暢不能代替交易正確性。
什麼證據會改變判斷？若官方補上明確 zh-TW 支援與地區資格，或團隊的在地測試證明辨識、打斷、轉人工和每件成功任務成本符合需求，就能更有依據地擴大導入。反之，若只是排行榜進步，卻沒有在自己的情境降低錯誤或成本，仍不足以支持全面替換。
如果你要研究的是 Grok 讀取 X 貼文、時間軸與 Mentions 的連接器權限，可另看本站的 Grok Bot X Connector 整理；那篇處理不同的整合與 credits 問題，不能拿來推定這次 Voice 3.0 的免費額度。
查證範圍與來源
本文以 2026 年 10 月 14 日官方公告，以及台灣時間 2026 年 10 月 15 日讀取的 Voice、Speech-to-Speech、定價、Custom Voices 與 Regional Endpoints 文件為依據。官方成績已明示歸屬；成本算式與導入取捨屬本站分析。未進行帳號付款、API 語音實測、聲音複製或台灣服務資格測試。來源文件可能繼續更新，正式導入前應再核對當時版本與帳單條件。
