基础知识 7 分钟更新于 2026年10月15日

在 Grok Bot 里使用 Grok Voice 3.0

Grok Voice 3.0 在 Grok Bot 中的用法：实时语音对话、听写、语音备忘、相关设置、Team Bot，以及 Voice Agent API。

下面各节依照 xAI 已公布的说明，依次写 Grok Voice 3.0、Grok Bot 的语音模式、三种用法、桌面端与手机、设置、Team Bot、中途挂断，以及给构建者的 Voice Agent API。

Grok Voice 3.0 是什么

xAI 称 Grok Voice 3.0 为「全球最智能的语音到语音模型」，延迟不到一秒（xAI 官方公告）。Starlink 呼叫中心每天处理 20,000 通、覆盖多种语言的客户来电，约 70% 在没有人工介入的情况下得到解决（xAI 官方公告）。

基准成绩

在 Artificial Analysis 的 Speech-to-Speech Index 上，Grok Voice 3.0 排名第一，分数 86.9，Grok Voice 2.0 为 81.3；Full Duplex Bench 为 97%，衡量的是它处理停顿、话轮交接和打断的自然程度；τ-Voice 为 71.6%，与 GPT-Live-1（Astra）相当，延迟低 40%；Big Bench Audio 为 98.5%。这些数字来自 Artificial Analysis 2026 年 10 月 13 日的结果，由 xAI 引述（xAI 官方公告）。在 ServiceNow 的 EVA-Bench 上，它的准确率最高，为 74%（xAI 官方公告）。

它驱动 Grok Bot 的语音模式

Grok Voice 3.0 同时也驱动 Grok Bot 的语音模式（xAI 官方公告）。2026 年 9 月 17 日，官方 @bot 账号发帖「Grok Bot can talk now.」，语音已在桌面端和移动端上线（官方 @bot 帖）。

在 Tesla 车辆里，驾驶者用 Grok Bot 处理更大的任务，例如点一杯咖啡或预订晚餐，全程免提（xAI 官方公告）。Grok Voice 3.0 在 Tesla 车辆中每天处理数以百万计的对话（xAI 官方公告）。

在 Grok Bot 里使用语音的三种方式

实时语音对话

composer 为空时，选择「Start voice chat」，即可与 Bot 实时交谈（Grok Bot 文档：消息与协作）。通话期间，应用会显示「Voice chat」（Grok Bot 文档：消息与协作）。在桌面端，侧栏可以显示「Voice chat in progress」（Grok Bot 文档：消息与协作）。通话结束后，对话里可以出现一张「Voice chat」卡片（Grok Bot 文档：消息与协作）。「Start voice chat」没有快捷键（Grok Bot 文档：消息与协作）。

听写

prompt 处于聚焦状态时，用 Cmd/Ctrl+D 把话听写进 composer（Grok Bot 文档：消息与协作）。在桌面端，Cmd/Ctrl+D 或「Start voice input」用于听写（Grok Bot 文档：常见问题）。在 iPhone 和 Android 上，对应控件是「Start dictation」（Grok Bot 文档：常见问题）。

语音备忘

Bot 可以用语音备忘回复：使用「Play voice memo」和「Pause voice memo」，并展开备忘阅读转写文本（Grok Bot 文档：消息与协作）。按 9 月 18 日的更新日志，Bot 的语音备忘播放时，转写会随音频逐词高亮，点击某个词会把播放跳到该处（Grok Bot 更新日志）。按 9 月 22 日的更新日志，任何拥有 Grok Bot 访问权限的人都可以播放 Bot 的语音备忘，不会被要求升级套餐（Grok Bot 更新日志）。

桌面端与手机

「Start voice chat」可在桌面端、iPhone 和 Android 上使用（Grok Bot 文档：常见问题）。在手机上，通话期间会有一个 Voice chat 控件留在顶栏下方（Grok Bot 文档：移动端）。

Team Bot 的语音对话

按 9 月 30 日的更新日志 v0.65.0，在 Teams 中，队友可以与 Team Bot 发起语音对话，通话留在他们自己与该 Bot 的对话里（Grok Bot 更新日志）。本站对一组 Bot 如何分工的说明，见智能体团队。

通话中途挂断

按 9 月 22 日的更新日志，如果在 Bot 仍在处理你的请求时挂断语音对话，它会把工作做完，并把结果发到聊天里（Grok Bot 更新日志）。

给构建者的 Voice Agent API

Voice Agent API 的价格为每分钟 $0.08（每小时 $4.80），与 Grok Voice 2.0 相同（xAI 官方公告）。使用 grok-voice-latest 的代理已自动切换，不需要改动（xAI 官方公告）。

这套语音到语音 API 通过 WebSocket 进行全双工实时对话，延迟不到一秒，并支持工具调用、搜索和多轮交流，价格为每分钟 $0.08（Grok 语音 API）。它提供富有表现力的声音，覆盖 25 种以上语言（Grok 语音 API）。

快速核对

composer 为空时选择「Start voice chat」，与 Bot 实时交谈；这个操作没有快捷键（Grok Bot 文档：消息与协作）。
「Start voice chat」可在桌面端、iPhone 和 Android 上使用（Grok Bot 文档：常见问题）。
在桌面端，prompt 聚焦时用 Cmd/Ctrl+D 听写，或使用「Start voice input」；在 iPhone 和 Android 上使用「Start dictation」（Grok Bot 文档：消息与协作，Grok Bot 文档：常见问题）。
通话期间，桌面端侧栏可以显示「Voice chat in progress」；在手机上，Voice chat 控件留在顶栏下方（Grok Bot 文档：消息与协作，Grok Bot 文档：移动端）。
语音对话使用 Settings 里 Microphone 下选择的麦克风，该麦克风不可用时回退到默认麦克风（Grok Bot 更新日志）。
Bot 会保留你为它设置的声音、语速和语言，语音通话提供 0.5x 语速（Grok Bot 更新日志）。
语音输入会检测你所说的语言，而不是假定应用语言或系统语言（Grok Bot 更新日志）。
使用「Play voice memo」和「Pause voice memo」，并展开备忘阅读转写；播放时转写逐词高亮，点击某个词会跳到该处播放（Grok Bot 文档：消息与协作，Grok Bot 更新日志）。
任何拥有 Grok Bot 访问权限的人都可以播放 Bot 的语音备忘，不会被要求升级套餐（Grok Bot 更新日志）。
与 Team Bot 的语音对话留在该队友自己的对话里（Grok Bot 更新日志）。
若在 Bot 仍在处理请求时挂断，它会做完并把结果发到聊天里（Grok Bot 更新日志）。
使用 grok-voice-latest 的代理已自动切换，Voice Agent API 为每分钟 $0.08（每小时 $4.80），与 Grok Voice 2.0 同价（xAI 官方公告）。语音到语音 API 经 WebSocket 以每分钟 $0.08 提供全双工实时对话，延迟不到一秒，支持工具调用、搜索、多轮交流，以及覆盖 25 种以上语言的富有表现力的声音（Grok 语音 API）。

较早内容：如何把插件提交到 Grok Bot Marketplace