Grok Voice API: Preise, Funktionen und Stimmen für Entwickler
Was die Grok-Voice-API pro Minute kostet, was sie unterstützt, wie sie sich seit dem Start verändert hat und wie Voice Cloning funktioniert.
Die Speech-to-Speech-API von Grok (grok-voice-3.0) kostet $0.08 pro Minute. Speech-to-Text kostet $0.10 pro Stunde (Batch) oder $0.20 (Streaming), Text-to-Speech $15 pro Million Zeichen. Sie bietet 28 integrierte Stimmen, Function Calling, Suche im Web und auf X sowie eigene Stimmen.
Preise (Oktober 2026)
| Dienst | Preis |
|---|---|
| Speech-to-Speech (grok-voice-3.0) | $0.08 pro Minute ($4.80 pro Stunde), plus $0.004 pro Text-Eingabeereignis |
| Speech-to-Text, Batch | $0.10 pro Stunde |
| Speech-to-Text, Streaming | $0.20 pro Stunde |
| Text-to-Speech | $15 pro 1 Million Zeichen |
Laut offizieller Preisseite für Entwickler, geprüft am 18. Oktober 2026. Die Voice-Agent-API startete im Dezember 2025 mit $0.05 pro Minute; der Minutenpreis ist inzwischen auf $0.08 gestiegen.
Zeitverlauf
- 17. Dez. 2025: Die Grok Voice Agent API startet für Echtzeit-Sprach-Apps.
- Mai 2026: Eigene Stimmen (Voice Cloning) kommen mit Grok 4.3, aus etwa einer Minute Sprachaufnahme plus gesprochener Einwilligungsprüfung.
- 29. Juli 2026: Grok Voice Think Fast 2.0 angekündigt.
- 14. Okt. 2026: Grok Voice 3.0 veröffentlicht; zum Start lag es an der Spitze des Speech-to-Speech-Index von Artificial Analysis.
Was die API unterstützt
- Ein Echtzeit-WebSocket-Endpunkt mit automatischer Sprecherwechsel-Erkennung oder Push-to-Talk
- Function Calling sowie integrierte Websuche, X-Suche und Remote-MCP-Tools
- 28 integrierte Stimmen; eigene Stimmen aus einem Referenzclip von bis zu 120 Sekunden
- Speech-to-Text in mehr als 38 Sprachen; Text-to-Speech mit Inline-Tags wie Lachen, Flüstern und Pausen sowie Audioausgabe in Telefonqualität
- Bis zu 10 gleichzeitige Sitzungen pro Team und Sitzungen von bis zu 120 Minuten
Häufige Fragen
Was kostet die Grok-Voice-API?
Speech-to-Speech kostet mit Stand Oktober 2026 $0.08 pro Minute, nach $0.05 zum Start im Dezember 2025.
Kann die Grok-API Stimmen klonen?
Ja, seit Mai 2026, aus einer kurzen Referenzaufnahme mit gesprochener Einwilligungsprüfung.
Was ist das neueste Sprachmodell von Grok?
Grok Voice 3.0, veröffentlicht am 14. Oktober 2026.