Grok Voice 3.0
Голосовая модель формата «речь в речь» с задержкой до секунды и поддержкой перебиваний
Задержка ответа меньше секунды — ровно столько отделяет механического бота от нормального голосового интерфейса, с которым можно говорить на ходу. Grok Voice 3.0 работает напрямую в формате «речь в речь», минуя промежуточную конвертацию в текст. Архитектура заточена под живую беседу: модель подхватывает реплики на лету, спокойно переносит перебивания и не сбивается, если на фоне шумит улица или собеседник говорит с сильным акцентом.
Что умеет
- Вести синхронный диалог голосом с задержкой менее одной секунды.
- Реагировать на паузы и перебивания без зависания сценария (97% на тесте Full Duplex).
- Удерживать контекст в шумном окружении и при нестандартном произношении.
- Автономно решать цепочки задач: от проверки статуса клиента и оформления покупок до диагностики оборудования.
- Работать в интерфейсах умных помощников и автомобильных бортовых систем.
Цены и доступ
Модель открыта в Voice Agent API по цене 0,08 доллара за минуту разговора (или 4,80 доллара за час). Для разработчиков, использующих ветку grok-voice-latest, переход произошел автоматически. На платформе также доступно бесплатное тестирование.
По-нашему, именно такой скорости не хватало интерактивным проектам и голосовым интерфейсам: паузы между репликами наконец перестали напоминать рацию дальнего следования.
