【AIニュース】Grok Voice 3.0 とは何か

Transcript

1. AIニュース（2026年10月） Grok Voice 3.0 とは何か 音声で聞いて音声で返す、1分0.08ドルのモデル 赤神 青空
2. ▪2026年10月14日、xAI 何が発表されたか が Grok Voice 3.0 を発表 ⾳声で聞いて、⾳声で返す Voice Agent API で1分 0.08ドル 話す Grok Voice . 返す xAI の speech-to-speech のモデル（10⽉14⽇） 今ココ 概要 Voice Agent API と Grok Bot 応答の遅れは1秒未満（発表） grok-voice-latest は⾃動で 3.0 に Grok Bot の⾳声モードも 3.0 に 2/11
3. ▪WebSocket Voice Agent API のしくみ でつないで、声・指示・ツールを設定する ⾃分のアプリ WebSocket session.update で設定 wss://api.x.ai/v /realtime ?model=grok-voice-latest 会話の中 声（28種類。既定は eve） 話し終わりの判定（例では server_vad） 指⽰（どう振る舞うか） ⾳声が少しずつ返ってくる ツール（例では Web 検索） response.output_audio.delta で、base の⾳声 今ココ しくみ 3/11
4. ▪Artificial2.0 からどう良くなったか Analysis の評価（xAI の発表から） 評価 Speech-to-Speech Index 何を⾒るか 総合 Grok Voice . Grok Voice . .% .% . . Big Bench Audio ⾳声での推論 Speech Agent Arena ⼈の好み（Elo） Task Success Rate やり切れたか .% .% Full Duplex Bench 間‧交代‧割り込み .% .% τ-Voice サポート電話の対応 .% .% 今ココ 性能 4/11
5. ▪GPT‑Live‑1・Gemini ほかのモデルと比べると 3.8 Live と、同じ評価で並べる 評価 Speech-to-Speech Index Big Bench Audio Grok Voice . . GPT-Live- . Gemini . Live . .% .% .% Task Success Rate .% .% .% Full Duplex Bench .% .% .% τ-Voice .% .% .% Speech Agent Arena 出典：Artificial Analysis（xAI の発表から）。5⾏は10⽉13⽇の表、τ-Voice は別のグラフ 設定：GPT-Live- は Astra‧Medium、Gemini . Live は Extended Thinking‧High 今ココ 性能 その⾏で⼀番⾼い 5/11
6. ▪応答の遅れは1秒未満（発表） 速さと値段、値段は 2.0 と同じ 速さ 応答の遅れは1秒未満（発表） τ-Voice は GPT-Live- と同程度で、 遅れは40%少ない（xAI の発表） 値段 1分 0.08ドル（1時間 4.80ドル） 2.0 と同じ値段のまま 何の時間で数えるかは書いていない 同じ欄に「$0.004 / text input」も 今ココ 速さと値段 1タスクあたりの平均のコスト Big Bench Audio（Artificial Analysis） Grok Voice . 0.025ドル GPT-Live- 0.030ドル GPT-Realtime- . 0.055ドル Grok Voice . GPT-Live- は Astra‧Medium、GPT-Realtime- . は High 6/11
7. ▪Grok Bot・Tesla・Starlink どこで使われているか Tesla の⾞の中 Grok Bot の⾳声モード Grok Voice . で、1⽇に数百万の会話 Connectors でカレンダーを確認、 Grok Bot でコーヒーを注⽂ Grok Bot と⾳声で話すときも、 Grok Voice . で動いている Starlink のコールセンター（Grok Voice） 1⽇ 2万件 の電話を、複数の⾔語で 約70% は⼈が⼊らずに解決 3.0 で作った1つのエージェントが、本⼈確認から交換品の発送まで 今ココ 使われ方 4件に1件 の販売の電話で購⼊ 数字はどれも会社の発表 7/11
8. ▪記事とドキュメントに書いていないことも含めて 使う前に知っておくこと ⽇本語に対応しているか 1分いくらの「1分」 grok-voice-latest を使っている ⽐べた数字 speech-to-speech の対応⾔語は、 記事にもドキュメントにも書いていない 何も変えなくても、 すでに 3.0 に切り替わっている 今ココ 使われ方 接続の時間か、話した時間か、 料⾦ページには書いていない xAI の発表に載せた Artificial Analysis の 評価。⾃分の使い⽅で試して⽐べる 8/11
9. ▪音声のまま聞いて返すモデルが、同じ値段で上がった まとめ ⾳声で聞いて、⾳声で返すモデル Voice Agent API に WebSocket でつないで使う 2.0 より、どの評価も上がった % の評価で⼀番伸びたのは τ-Voice。そこは GPT-Live- が上 値段は 2.0 のまま、1分 0.08ドル 応答の遅れは1秒未満（発表）。⽇本語の対応は書いていない 今ココ まとめ Grok Voice . 性能 速さと値段 9/11
10. ▪一度止めて考えてみてください。答えは次のページで 今回のクイズ xAI の発表の数字で、GPT‑Live‑1 が Grok Voice 3.0 より上だったのはどれ？ A Speech-to-Speech Index 今ココ まとめ B Full Duplex Bench C τ-Voice D Task Success Rate 10/11
11. ▪τ-Voiceクイズの答えは「C」 だけは GPT‑Live‑1 が 74.5% で上 今回のクイズ xAI の発表の数字で、GPT-Live- が Grok Voice . より上だったのはどれ？ 総合‧間の取り⽅‧やり切れたかは Grok Voice . が上。 τ-Voice だけ GPT-Live- が上 答えは C 今ココ まとめ Index A Speech-to-Speech 86.9 と 83.2 で Grok が上 Duplex Bench B Full 97.0% と 94.9% で Grok が上 C τ-Voice 71.6% と 74.5% で GPT-Live- が上 Success Rate D Task 94.8% と 87.4% で Grok が上 11/11