grok-voice-3.0Grok Voice 3.0은 xAI가 2026년 10월 14일 공개한 음성 에이전트용 speech-to-speech 모델입니다. 음성 인식, 언어 모델, 음성 합성을 따로 잇지 않고 하나의 모델이 음성을 받아 음성으로 답합니다. xAI 발표는 Artificial Analysis(2026년 10월 13일)를 인용해 Speech-to-Speech Index 1위, 86.9점이라고 밝혔습니다. Grok Voice 2.0과 비교하면 제3자 보도 기준으로 지수는 81.3에서 86.9로, 고객 지원 벤치마크 tau-Voice는 56.5%에서 71.6%로, 전이중 턴 전환은 95.1%에서 97.0%로 올랐습니다. 반면 첫 음성이 나오기까지의 시간은 0.70초에서 0.81초로 늘었습니다. apimodels.app에서는 API 키로 wss://api.apimodels.app/v1/realtime?model=grok-voice-3.0에 WebSocket으로 접속합니다. 브라우저에서 쓸 때는 서버가 짧은 시간만 유효한 토큰을 발급하므로 키를 브라우저에 노출하지 않고 연결할 수 있습니다. 이벤트는 xAI의 Voice Agent API 그대로이며 OpenAI Realtime 이벤트 모델과 대체로 호환됩니다. 기본 오디오는 16비트 PCM, 24kHz이고, 내장 음성 28종 모두 지원하는 모든 언어를 말하며 중국어를 포함한 20개 이상 언어를 자동 감지합니다. 함수 호출은 추가 요금이 없습니다. 요금은 연결된 세션 분당 $0.104, 초 단위 과금(90초 통화는 $0.156)이며 보내는 텍스트 메시지마다 $0.0052가 추가됩니다. 키 하나로 이 모델을 포함해 150개 이상의 모델을 쓸 수 있고, 별도의 xAI 계정이나 해외 카드가 필요 없으며, 세션마다 시간과 비용이 호출 기록에 남습니다.
$0.104/min, billed per second · typed messages $0.0052 each · microphone required
Grok Voice 3.0
xAI는 Artificial Analysis(2026-10-13)를 인용해 86.9점으로 1위라고 발표했습니다. Grok Voice 2.0은 81.3
Grok Voice 2.0 대비 제3자 보도 기준 tau-Voice 56.5%에서 71.6%, 전이중 턴 전환 95.1%에서 97.0%; 첫 음성까지 0.70초에서 0.81초
서버는 API 키로 wss://api.apimodels.app/v1/realtime에 접속하고, 브라우저는 서버가 발급한 단기 토큰으로 접속해 키가 노출되지 않습니다
모든 내장 음성이 지원하는 모든 언어를 말하며 중국어도 포함, 언어는 자동 감지됩니다
session.update에 함수 도구를 선언하면 됩니다. web_search, x_search, file_search, mcp 같은 서버 측 도구는 아직 제공하지 않습니다
90초 세션은 $0.156, 텍스트 메시지는 건당 $0.0052이며 마지막 1분의 남은 초는 환불됩니다
Grok Voice 3.0은(는) xAI의 음성 합성 API입니다. Grok Voice 3.0은 xAI가 2026년 10월 14일 공개한 음성 에이전트용 speech-to-speech 모델입니다. 음성 인식, 언어 모델, 음성 합성을 따로 잇지 않고 하나의 모델이 음성을 받아 음성으로 답합니다. xAI 발표는 Artificial Analysis(2026년 10월 13일)를 인용해 Speech-to-Speech Index 1위, 86.9점이라고 밝혔습니다. Grok Voice 2.0과 비교하면 제3자 보도 기준으로 지수는 81.3에서 86.9로, 고객 지원 벤치마크 tau-Voice는 56.5%에서 71.6%로, 전이중 턴 전환은 95.1%에서 97.0%로 올랐습니다. 반면 첫 음성이 나오기까지의 시간은 0.70초에서 0.81초로 늘었습니다. apimodels.app에서는 API 키로 wss://api.apimodels.app/v1/realtime?model=grok-voice-3.0에 WebSocket으로 접속합니다. 브라우저에서 쓸 때는 서버가 짧은 시간만 유효한 토큰을 발급하므로 키를 브라우저에 노출하지 않고 연결할 수 있습니다. 이벤트는 xAI의 Voice Agent API 그대로이며 OpenAI Realtime 이벤트 모델과 대체로 호환됩니다. 기본 오디오는 16비트 PCM, 24kHz이고, 내장 음성 28종 모두 지원하는 모든 언어를 말하며 중국어를 포함한 20개 이상 언어를 자동 감지합니다. 함수 호출은 추가 요금이 없습니다. 요금은 연결된 세션 분당 $0.104, 초 단위 과금(90초 통화는 $0.156)이며 보내는 텍스트 메시지마다 $0.0052가 추가됩니다. 키 하나로 이 모델을 포함해 150개 이상의 모델을 쓸 수 있고, 별도의 xAI 계정이나 해외 카드가 필요 없으며, 세션마다 시간과 비용이 호출 기록에 남습니다. APIMODELS 플랫폼을 거치면 통합 API와 투명한 종량 과금으로 이 모델을 호출할 수 있습니다. 현재 가격: per minute, billed per second: $$0.104 / min, per text message (input_text): $$0.0052.
영상과 애니메이션, 광고에 쓸 전문가급 내레이션을 다양한 목소리 중에 골라 만듭니다.
여러 화자의 대화까지 지원해 팟캐스트 오디오를 빠르게 완성합니다.
텍스트를 자연스럽고 매끄러운 음성으로 바꿔 오디오북으로 낼 수 있습니다.
다국어 더빙과 번역으로 콘텐츠를 전 세계 시청자에게 전달합니다.
Grok Voice 3.0은(는) APIMODELS를 통해 per minute, billed per second: $$0.104 / min, per text message (input_text): $$0.0052에 이용할 수 있습니다. 과금은 종량제라서 생성한 만큼만 냅니다.
APIMODELS에 가입해 API 키를 받고 통합 엔드포인트를 호출하면 됩니다. cURL / Python / Node.js 예제를 담은 상세 문서를 제공합니다.
APIMODELS는 같은 Grok Voice 3.0을(를) 집약 플랫폼을 통해 제공합니다. API 인터페이스가 통합되어 있어 공급자마다 계정을 만들 필요가 없고, 키 하나로 모든 모델에 닿습니다.
Grok Voice 3.0은 xAI가 2026년 10월 14일 공개한 실시간 음성 에이전트용 speech-to-speech 모델입니다. 음성을 스트리밍으로 보내면 같은 모델이 음성으로 답합니다. xAI 발표는 Artificial Analysis(2026년 10월 13일)를 인용해 Speech-to-Speech Index에서 86.9점으로 1위라고 밝혔습니다. 제3자 보도의 Grok Voice 2.0 대비 비교로는 지수가 81.3에서 86.9로, 고객 지원 벤치마크 tau-Voice가 56.5%에서 71.6%로, 전이중 턴 전환이 95.1%에서 97.0%로 올랐고, 첫 음성이 나오기까지의 시간은 0.70초에서 0.81초가 되었습니다. apimodels.app에서 모델 ID는 grok-voice-3.0입니다.
연결된 세션 분당 $0.104이며 초 단위로 과금되므로 90초 세션은 $0.156입니다. conversation.item.create(input_text)로 보내는 텍스트 메시지는 건당 $0.0052가 추가되고, 함수 호출은 추가 요금이 없습니다. 접속하려면 최소 1분 분량의 잔액($0.104)이 필요하며, 매 1분은 시작할 때 청구되고 세션이 끝나면 쓰지 않은 초는 환불됩니다. 세션 도중 잔액이 떨어지면 유형이 insufficient_balance인 error 이벤트를 받고 세션이 종료되며, 모델 연결에 실패하면 아무것도 청구되지 않습니다. 이 페이지의 마이크 체험도 같은 요금입니다.
서버에서는 Authorization: Bearer YOUR_API_KEY 헤더를 붙여 wss://api.apimodels.app/v1/realtime?model=grok-voice-3.0을 엽니다. 브라우저는 WebSocket에 헤더를 설정할 수 없으므로, 먼저 서버가 같은 헤더로 POST https://api.apimodels.app/v1/realtime/client_secrets를 호출해(선택 본문 {"expires_after":{"seconds":60}}, 10~600초, 기본 60) {"value", "expires_at"}를 받고 value를 페이지에 넘기면, 페이지가 new WebSocket(url, ["xai-client-secret." + value])로 연결합니다. API 키는 절대 브라우저에 두지 마세요. 이 엔드포인트는 api.apimodels.app에만 있고 apimodels.app/api/v1 아래에는 없습니다. 그쪽은 WebSocket을 중계하지 않기 때문입니다.
기본값은 양방향 모두 16비트 PCM, 24kHz, 모노, 리틀 엔디언이며 base64로 JSON 이벤트에 담습니다. audio.input.format과 audio.output.format으로 audio/pcmu, audio/pcma, audio/opus도 쓸 수 있고, audio.output.speed는 0.7~1.5입니다. 내장 음성은 28종이며 session.update의 voice로 고릅니다. 여성: ara, aurora, carina, celeste, eve(기본), iris, liora, luna, ursa. 남성: altair, atlas, castor, cosmo, helios, helix, kepler, leo, lumen, lux, naksh, orion, perseus, rex, rigel, sal, sirius, zagan, zenith.
네. 원어민 억양으로 20개 이상의 언어를 지원하고 언어를 자동 감지하며, xAI 언어 목록에 중국어(간체)가 포함되어 있습니다. 모든 내장 음성이 지원하는 모든 언어를 말하므로 중국어용 음성을 따로 고를 필요가 없습니다. 상대의 언어를 미리 안다면 audio.input.transcription.language_hint에 zh-CN 같은 BCP-47 태그를 설정하세요.
함수 호출은 지원하며 추가 요금도 없습니다. session.update에 함수 도구를 선언하고, response.function_call_arguments.done을 받으면 내 코드에서 함수를 실행한 뒤 결과를 function_call_output 항목으로 conversation.item.create에 담아 보내고 이어서 response.create를 보냅니다. 서버 측 도구(web_search, x_search, file_search, mcp)는 아직 apimodels.app에서 제공하지 않으며, 이를 포함한 session.update에는 error 이벤트가 돌아옵니다.
세션은 최대 60분, 계정당 동시 세션은 최대 5개이며, 10분 동안 클라이언트 이벤트가 없는 세션은 종료됩니다. 각 세션은 콘솔 호출 기록에 시간과 비용이 적힌 한 건의 기록으로 남아 통화별로 사용량을 대조할 수 있습니다.
이벤트 모델이 대체로 같아서 OpenAI Realtime용 클라이언트 코드를 조금만 고치면 옮길 수 있습니다. session.update, conversation.item.create, response.create, input_audio_buffer 계열 이벤트는 똑같이 동작하고, 오디오는 response.output_audio.delta로 옵니다. 차이점은 입력 음성 전사가 증분 delta가 아니라 누적형 conversation.item.input_audio_transcription.updated 이벤트로 온다는 것, 그리고 일부 OpenAI 이벤트(conversation.item.retrieve, 출력 오디오 버퍼의 started / stopped / cleared 이벤트, rate_limits.updated)가 전송되지 않는다는 것입니다. 과금도 다릅니다. 여기서는 세션 분당 단일 요금이고, OpenAI는 오디오 입력 토큰과 출력 토큰을 따로 과금합니다.
APIMODELS에서는 Grok Voice 3.0이(가) 60개가 넘는 모델과 같은 API 키, 같은 잔액 위에 나란히 놓입니다. 그래서 선택은 궁합의 문제이지 종속의 문제가 아닙니다. Speech-to-Speech、Realtime WebSocket、28 Voices、20+ Languages、Function Calling、Billed per Second을(를) 지원하며 다른 음성 합성 모델과 가격·성능을 나란히 놓고 따져볼 수 있습니다. 갈아타기는 모델 이름 문자열 하나만 바꾸면 되고 새 계정도 추가 작업도 필요 없습니다. 음성 합성 선택지와 실시간 가격은 apimodels.app/models에서 볼 수 있습니다.
Grok Voice 3.0은(는) 다음을 지원합니다: Speech-to-Speech、Realtime WebSocket、28 Voices、20+ Languages、Function Calling、Billed per Second. 전체 파라미터와 호출 예제는 APIMODELS 문서를 참고하세요.
네. APIMODELS는 Grok Voice 3.0을(를) 하나의 통합 API와 키 한 개로 제공합니다. 공급자별 계정도 필요 없고, 각 공급자의 지역별 네트워크 경로를 직접 챙길 필요도 없습니다.
Stripe(Visa, Mastercard 등 해외 카드)와 Alipay를 지원합니다. 결제 후 잔액은 즉시 반영됩니다.
How to get access, regional availability, and how this model compares with its alternatives.