最新動向

Grok Voice 3.0公開 音声応答AIで首位に

Grok Voice 3.0公開 音声応答AIで首位に

この記事の要点

xAIがGrok Voice 3.0を公開。音声対音声の評価指標で首位に立ち、料金は1分0.08ドルのまま。Starlinkのコールセンターでは1日2万件の電話の約7割が人を介さず完結している。

xAIが音声応答モデルGrok Voice 3.0を2026年10月14日に公開した。音声を聞いてそのまま音声で返すモデルの評価指標で首位に立ち、料金は前世代と同じ1分0.08ドルに据え置いた。電話対応や音声の問い合わせ窓口を、人手を増やさずに回す選択肢が一段と現実的になった。

何が公開されたか

xAIは公式発表で、Grok Voice 3.0をVoice Agent APIから使えるようにしたと説明した。料金は1分あたり0.08ドル、1時間なら4.80ドルで、前世代のGrok Voice 2.0から変えていない。性能を上げながら価格を据え置いた形になる。

第三者の評価機関Artificial Analysisが10月13日時点でまとめた音声対音声の指標では、Grok Voice 3.0が86.9点で首位だった。同じ指標でGrok Voice 2.0は81.3点、OpenAIのGPT-Live-1は83.2点、GoogleのGemini 3.8 Liveは82.6点となっている。半年前の自社モデルから5点以上伸ばし、競合を上回った。

音声対音声のモデルは、文字起こしをしてから回答を作り、また読み上げる従来の流れと違い、聞いた声に直接声で応答する。間の処理が減るぶん、受け答えの遅れが小さくなる。電話のように待ち時間が印象を左右する場面で差が出やすい。

コールセンターで何が起きているか

xAIは実運用の数字も示した。衛星通信サービスStarlinkのコールセンターでは、複数の言語にまたがって1日約2万件の電話をGrok Voiceが受けている。このうち約7割が人を介さずに終わり、営業電話では4件に1件が通話が終わる前に成約しているという。

数字はxAIの自己申告で、監査を経たものではない。業種や問い合わせの種類によって結果は変わるため、自社の窓口にそのまま当てはまるとは限らない。それでも、定型の問い合わせが多い窓口なら、一次対応の多くを自動化できる水準に達しつつあることは読み取れる。カスタマーサポートの設計全体はカスタマーサポート向けAIツール比較が土台になる。

価格を据え置いた意味

音声AIは、1分あたりの単価がそのまま運用費に跳ね返る。1日2万件、1件平均3分の電話を自動化すると、音声処理だけで1日あたりおよそ4,800ドルかかる計算になる。Grok Voice 3.0が前世代と同じ0.08ドルを保ったことは、品質が上がっても運用費の見通しが崩れないことを意味する。モデルを乗り換えるたびに費用計算をやり直す手間が省ける点は、現場にとって地味だが効く。

一方で、音声AIの費用は通話時間に比例して増える。問い合わせが長引く窓口ほど単価の影響が大きくなるため、定型の用件を短く終わらせる会話設計が費用を左右する。API料金の基本的な考え方はトークンとはで整理できる。

現場の実務にどう効くか

音声窓口を持つ企業がまず試せるのは、一次対応の切り分けだ。残高照会や営業時間の確認、よくある手続きの案内といった定型の問い合わせを音声AIに回し、人は判断や苦情の対応に絞る。1分0.08ドルという料金なら、1件数分の電話を自動化したときの費用は人件費より小さくなりやすい。導入前に、自社の問い合わせを「定型」と「要判断」に仕分けておくと、どこまで任せるかを決めやすい。

重要なのは、AIから人へ引き継ぐ線をあらかじめ引いておくことだ。約7割が自動で完結するということは、3割は人が引き取る。引き継ぎの条件や、会話の履歴をどう渡すかを決めておかないと、顧客に同じ説明を繰り返させてしまう。引き継ぎの設計はエスカレーション設計が参考になる。小規模な窓口なら、音声AIの前にSLMをカスタマーサポートに使う方法とコスト比較で費用感をつかんでおくのも有効だ。

導入時は、録音・文字起こしデータの扱いと、本人確認が必要な手続きの線引きを先に決める。音声は個人を特定しやすく、取り違えると影響が大きい。最新の対応言語や機能、料金はxAIの公式情報で確認してほしい。

まとめ

Grok Voice 3.0は、価格を据え置いたまま音声応答の品質を上げ、評価指標で首位に立った。Starlinkでの実運用は、定型の電話対応を人手なしで回せる段階に近づいていることを示す。自社の問い合わせを定型と要判断に仕分け、人への引き継ぎ線を決めてから一次対応に試すのが、無理のない入り口になる。

出典

よくある質問

Grok Voice 3.0の料金はいくらですか。

Voice Agent APIで1分あたり0.08ドル、1時間なら4.80ドルです。前世代のGrok Voice 2.0と同じ価格に据え置かれています。最新の料金は公式で確認してください。

電話対応はどこまで自動化できますか。

xAIによれば、Starlinkのコールセンターでは1日約2万件の電話のうち約7割が人を介さず完結し、営業電話の4件に1件が通話中に成約しています。業種や問い合わせ内容によって再現性は変わります。