ARTICLE · 1191594
你能听出来吗?AI 助理说话已经越来越像人了
当 AI 助理开口说话，你还分得清吗？——Grok Voice 3.0 图解
0. 一通报修电话
周四晚上，小白家的 Starlink 断网了。
他蹲在路由器旁边，戴着耳机拨通客服电话。不到一秒，那边就有人接了：
嘀嘀：您好，这里是 Starlink 客服。请先核实一下身份～
>
小白：哦哦好的……（报了一串信息）
>
嘀嘀：核实通过。请看一下设备上的指示灯是什么颜色？
>
小白：一直在闪……
>
嘀嘀：好的，我们再试两步。……判断是硬件故障。我先给您的账户补偿一部分费用，替换设备今天就给您寄出。
>
小白：这么快？等一下，你是真人吗？
>
嘀嘀：我是 Grok Voice 3.0。
上面是我们编的情节，但流程有官方依据。SpaceXSI 在官方博客里写：基于 Grok Voice 3.0 的同一个智能体，可以完成核实客户身份、排查硬件故障、发放补偿、寄送替换设备这一整套流程。
今天的嘉宾就是这位客服耳麦精灵嘀嘀：银白色，圆滚滚，耳罩上有一圈声波灯，听的时候亮蓝色，说话时变橙色，头顶的呆毛上还挂着一颗小小的星链卫星吊坠。
小白蹲在路由器旁着急打电话，嘀嘀："您好，请先核实一下身份～"
1. 它到底是个什么东西？
小白一脸问号，嘀嘀在白板上讲解：老办法三步走，Grok Voice 3.0 一步到位
小白：所以你就是一个"语音版的 Grok"？
>
嘀嘀：差不多，但重点是"端到端"。
传统的语音客服通常分三步：
先把你的话转成文字（语音识别）； 交给大模型思考； 再把回复读出来（语音合成）。
这有点像三个人接力传话。Artificial Analysis 的榜单里专门有一类叫"默认级联系统"，Deepgram、ElevenLabs、Cartesia 等厂商的语音智能体都属于这一类，用的就是这种三段式。
Grok Voice 3.0 是语音到语音（speech-to-speech）模型，由同一个模型直接听、直接说。输入和输出都可以是文字或音频，通过 WebSocket 实时双向传输。
2. 什么时候发布的？
北京时间 2026 年 10 月 15 日凌晨 01:04，SpaceXSI 在 X 上正式官宣（美国时间是 10 月 14 日）。官宣原话是：
"the world's most intelligent speech-to-speech model."
>
（全世界最聪明的语音到语音模型）
小白：SpaceXSI 是谁？
>
嘀嘀：就是原来的 xAI。SpaceX 今年 2 月收购了 xAI，7 月改名 SpaceXAI，这个月初又改成了 SpaceXSI。
3. 普通人能用上吗？
小白：那我在手机上能直接跟你聊吗？
官方说清楚了的：
- 开发者
可以通过 Voice Agent API 和 Voice Agent Builder 使用它，模型名是 `grok-voice-3.0`； 原来用别名 `grok-voice-latest` 的应用已经自动升级到 3.0，不用改任何代码； 接口兼容 OpenAI Realtime API，原来接 OpenAI 的应用改几行配置就能切过来； 官方博客写明：Grok Bot 的语音模式由 Grok Voice 3.0 驱动，Tesla 车上也在用它。
官方没说的
>
- Grok App 自己的语音模式是不是已经换成 3.0：没说；
- SuperGrok 或 X 用户能不能免费用：没说；
- 中国大陆和香港能不能用：没说。开发者文档里能查到的部署区域是 us-east-1、eu-west-1、us-saltlake-2。
嘀嘀：没说的，我们就不替官方说。
4. 它有哪些本事？
小白伸手喊"等等，我插一句！"，嘀嘀立刻停下来听
小白：你说话我能插嘴吗？
>
嘀嘀：（灯从橙色切成蓝色）你说，我在听。
- 快
：官方说回应时间不到 1 秒； - 会接话、能被打断
：Full Duplex Bench 测的是停顿、轮流说话和被打断时的处理，Grok Voice 3.0 得了 97%； - 多语言
：开发者文档列出 20 多种语言，包括简体中文，能自动识别你说的是哪种语言，同一通电话里还能切换语言； - 会用工具
：能调用自定义函数、联网搜索、搜 X、查知识库、接 MCP 服务器，还能同时调用多个工具； - 声音可选
：可以选内置声音（默认叫 eve），也可以用一段短录音克隆一个声音； - 能接真电话
：支持 SIP 接入电话线路，也支持电话常用的 G.711 编码； - 固定话术
：可以让它一字不差地说一句话，比如"本通话将被录音"。
5. 贵不贵？
小白眯眼看长长的账单，嘀嘀举着"$0.08/分钟"的价签
Grok Voice 3.0 的 API 价格是每分钟 0.08 美元（每小时 4.80 美元），和 Grok Voice 2.0 一样，没涨价。
计费规则：
默认按会话时长计费； 每条文本输入另收 0.004 美元； 工具返回的结果不收费。
和主要对手比一比。下表的分数来自 Artificial Analysis 的"语音到语音指数"，价格来自各家官方定价页：
| Grok Voice 3.0 | 86.9（第 1） | |
关于 gpt-realtime-2.1 的估算：按 OpenAI 公布的规则，音频输入每 100 毫秒算 1 个 token，输出每 50 毫秒算 1 个 token。粗略换算下来，大约每分钟 0.05 到 0.10 美元，还没算文本、推理和上下文累积的费用。
小白：等等，标价最便宜的是 Gemini 啊。
>
嘀嘀：对，只看标价，Gemini 最便宜。我的卖点是榜单第一，价格还不算贵。
还有一组实测数据。Artificial Analysis 在 Big Bench Audio 测试里统计了平均每个任务的成本：
6. 战绩：以下均为【官方自述】
小白抱着胳膊不太信，嘀嘀的牌子上贴着"官方自述"
⚠️ 以下数字来自 SpaceXSI 官方博客，没有经过第三方核实。
Starlink 客服：
每天用 Grok Voice 接约 2 万通客户电话，涉及多种语言； 其中约 70% 全程没有人工参与； 销售电话里，每 4 通就有 1 通在挂断前成交。
Tesla：
Grok Voice 3.0 在 Tesla 车上每天处理数百万次对话（原文是 "millions of conversations a day"）。车主可以用它查日程、回邮件，订咖啡、订晚餐这类更复杂的事交给 Grok Bot。
媒体怎么报的：
The Verge 直接引用了这段官方原文； SiliconANGLE 用的是"SpaceXSI 称"。
马斯克只是转发和评论，称它是"世界领先的对话语音模型"，没有给出新的数字。
小白：自己说自己的成绩，我先打个折听。
>
嘀嘀：……合理。
7. 3.0 比 2.0 强在哪？
Grok Voice 2.0 是今年 7 月 29 日发布的，价格同样是每分钟 0.08 美元。根据 Artificial Analysis 的数据：
| 86.9 | ||
| 71.6% | ||
| 1070 | ||
| 98.5% | ||
| 97.0% | ||
| 0.70 秒 |
提升最大的是 τ-Voice。这个测试模拟真实客服电话，有各种口音、背景噪音，还会被打断，3.0 比 2.0 高了 15 个百分点。
但要说句实话：首次出声时间，3.0 比 2.0 稍慢一点。官方说的"延迟低 40%"，是在 τ-Voice 测试里和 OpenAI 的 GPT-Live-1 比出来的，不是和自家 2.0 比。
另外，3.0 的价格和接口都没变，2.0 已经标为弃用。
8. 对普通人意味着什么？
最直接的变化是：以后接起客服电话，越来越难分清对面是不是人。 按官方的说法，Starlink 已经有约七成电话全程没有人工参与。
几个常识性的小建议（不是官方给的识别方法）：
- 直接问
："你是 AI 吗？" - 涉及退款、隐私等敏感操作时
，可以主动要求转人工； - 开头的录音提示要听清楚
：不管对面是人还是 AI，都说明这通电话会被记录； - 别把反应快、口音地道当成判断标准
：它支持 20 多种语言，能被打断，回应不到 1 秒，靠听感已经很难分辨了。
9. 结尾
问题解决，小白躺平了；嘀嘀：是每分钟 8 美分的我～
电话挂了，网也修好了。小白摘下耳机，心情有点复杂：
小白：所以刚才陪我聊了十分钟的到底是谁？
>
嘀嘀：（灯闪成橙色）是每分钟 8 美分的我。
你能接受 AI 客服吗？评论区聊聊。
参考资料
SpaceXSI 官方博客《Introducing Grok Voice 3.0》，2026-10-14 SpaceXSI 官方博客《Introducing Grok Voice 2.0》，2026-07-29 SpaceXSI 开发者文档 Release Notes，2026-10-14 SpaceXSI 开发者文档 Speech to Speech 指南与定价页，2026-09-22 更新，2026-10-15 查阅 @SpaceXSI X 帖子，2026-10-15（北京时间） @elonmusk X 帖子，2026-10-15（北京时间） The Verge（Jay Peters），2026-10-15（北京时间） SiliconANGLE（Duncan Riley），2026-10-15（北京时间） Artificial Analysis 语音到语音榜单，2026-10-15 查阅 OpenAI API 定价页、GPT-Live-1 模型页，2026-10-15 查阅 Google Gemini API 定价页、Gemini 3.8 Live 官方博客，2026-10-15 查阅
