面向开发者的 Grok Voice
Grok Voice API：面向开发者的价格、功能与声音
Grok 语音 API 每分钟的费用、支持的功能、自推出以来的变化，以及声音克隆如何运作。
核实日期 2026年10月18日作者 GrokMag 编辑部独立网站 · 与 SpaceXSI、xAI 或 X 无关联
简短回答
Grok 语音到语音 API（grok-voice-3.0）费用为每分钟 $0.08。语音转文字为每小时 $0.10（批量）或 $0.20（流式），文字转语音为每百万字符 $15。它提供 28 种内置声音、函数调用、网络和 X 搜索，以及自定义声音。
价格（2026年10月）
| 服务 | 价格 |
|---|---|
| 语音到语音（grok-voice-3.0） | 每分钟 $0.08（每小时 $4.80），另加每个文本输入事件 $0.004 |
| 语音转文字，批量 | 每小时 $0.10 |
| 语音转文字，流式 | 每小时 $0.20 |
| 文字转语音 | 每 100 万字符 $15 |
数据来自官方开发者价格页面，核实于2026年10月18日。语音智能体 API 于2025年12月推出时为每分钟 $0.05；此后每分钟价格已上涨至 $0.08。
时间线
- 2025年12月17日：Grok Voice Agent API 推出，用于实时语音应用。
- 2026年5月：自定义声音（声音克隆）随 Grok 4.3 推出，只需约一分钟的语音加上一段口头同意核查。
- 2026年7月29日：宣布推出 Grok Voice Think Fast 2.0。
- 2026年10月14日：Grok Voice 3.0 发布；推出时位居 Artificial Analysis 语音到语音指数榜首。
API 支持哪些功能
- 实时 WebSocket 端点，支持自动轮次检测或按键通话
- 函数调用，外加内置的网络搜索、X 搜索和远程 MCP 工具
- 28 种内置声音；可根据最长 120 秒的参考片段生成自定义声音
- 支持 38 种以上语言的语音转文字；文字转语音支持笑声、耳语和停顿等内联标签，以及电话线路音频输出
- 每个团队最多 10 个并发会话，单次会话最长 120 分钟
请负责任地使用克隆功能。只克隆你明确获得使用许可的声音。提供方表示其同意核查可以阻止克隆他人的声音，但尚未有独立测试结果发布。
常见问题
Grok 语音 API 多少钱？
截至2026年10月，语音到语音为每分钟 $0.08，高于2025年12月推出时的 $0.05。
Grok API 能克隆声音吗？
能，自2026年5月起，只需一段简短的参考录音和一段口头同意核查。
最新的 Grok 语音模型是什么？
Grok Voice 3.0，于2026年10月14日发布。