Was ist Grok Voice 3.0 und wie verwendet man es?

Stellen Sie mit Python eine Verbindung zu Grok Voice 3.0 her, generieren Sie eine gesprochene Antwort, senden Sie Audio, fügen Sie Tools hinzu und beheben Sie häufige Probleme mit der Echtzeit-API.

Deon GoodwinForschungsteam für KI-Modelle und API

Aktualisiert Nov 4, 2026 10 Min. Lesezeit

Was ist Grok Voice 3.0 und wie verwendet man es?

Dieses Muster verwenden

Den ersten API-Aufruf ausführen.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_COMETAPI_KEY",
    base_url="https://api.cometapi.com/v1",
)

response = client.chat.completions.create(
    model="gpt-5-mini",
    messages=[{"role": "user", "content": "Build this workflow."}],
)

print(response.choices[0].message.content)

TL;DR

Grok Voice 3.0 ist das Echtzeit-Sprach-zu-Sprach-Modell von xAI, veröffentlicht am 14. Oktober 2026. Der API-Modelname lautet grok-voice-3.0; mit Stand 3. November 2026 verweist grok-voice-latest points to this version auf diese Version. Die Launch-Ankündigung nennt Sprachsitzungen zu $0.08 pro Minute ($4.80 pro Stunde). Es kombiniert Gesprächsführung, Unterbrechungsbehandlung und Tool-Nutzung für Sprachassistenten und Kundensupport. Mit einfachem Python, einem xAI-API-Schlüssel und der Bibliothek websockets können Sie eine Aufforderung senden und eine gesprochene Antwort speichern. Beginnen Sie mit dem Beispiel unten und fügen Sie dann aufgezeichnetes Audio, Live-Mikrofon-Streaming und Business-Tools hinzu, wenn Ihre Anwendung wächst.

Weiterlernen

Diesen Artikel mit der nächsten Entscheidung verknüpfen.

Alle Themen anzeigen

AI API-Anleitungen

Vom Modell-Shortlist bis zu einer funktionierenden Produktionsanfrage.

LLM-Infrastruktur

Baue eine AI-Anfrageschicht, die Provider- und Modellwechsel übersteht.

AI Agent

Wechsle von einer Prompt-Demo zu einem beobachtbaren Agenten-Workflow.

Kostenoptimierung

Senk die Kosten, ohne Qualitäts- oder Zuverlässigkeitskompromisse zu verstecken.

Veröffentlicht am Nov 3, 2026

Zuletzt aktualisiert Nov 4, 2026

0 Aufrufe

Auf Klarheit, Quellenangabe und aktuelle API-Terminologie geprüft.

export XAI_API_KEY="your_xai_api_key"

$env:XAI_API_KEY="your_xai_api_key"

python -m pip install "websockets>=14,<18"

import asyncio, base64, json, os, wave
import websockets

SAMPLE_RATE = 24000

async def receive_event(ws):
    event = json.loads(await asyncio.wait_for(ws.recv(), 60))
    if event.get("type") == "error":
        raise RuntimeError(event)
    return event

async def main():
    url = "wss://api.x.ai/v1/realtime?model=grok-voice-3.0"
    headers = {"Authorization": f"Bearer {os.environ['XAI_API_KEY']}"}
    async with websockets.connect(url, additional_headers=headers) as ws:
        await ws.send(json.dumps({"type": "session.update", "session": {
            "voice": "eve", "turn_detection": {"type": None},
            "audio": {
                "input": {"format": {"type": "audio/pcm", "rate": SAMPLE_RATE}},
                "output": {"format": {"type": "audio/pcm", "rate": SAMPLE_RATE},
                           "transport": "json"}}}}))
        async with asyncio.timeout(30):
            while (await receive_event(ws)).get("type") != "session.updated":
                pass
        await ws.send(json.dumps({"type": "conversation.item.create", "item": {
            "type": "message", "role": "user",
            "content": [{"type": "input_text", "text": "Explain Grok Voice 3.0 briefly."}]}}))
        await ws.send(json.dumps({"type": "response.create"}))
        chunks = []
        async with asyncio.timeout(120):
            while True:
                event = await receive_event(ws)
                if event["type"] in ("response.output_audio.delta", "response.audio.delta"):
                    chunks.append(base64.b64decode(event["delta"]))
                elif event["type"] == "response.done":
                    if event.get("response", {}).get("status") != "completed":
                        raise RuntimeError(event)
                    break
    if not chunks:
        raise RuntimeError("The response contained no audio.")
    with wave.open("grok_response.wav", "wb") as wav:
        wav.setparams((1, 2, SAMPLE_RATE, 0, "NONE", "not compressed"))
        wav.writeframes(b"".join(chunks))
    print("Saved grok_response.wav")

asyncio.run(main())

python grok_voice_demo.py

with wave.open("request.wav", "rb") as source:
    if (
        source.getnchannels() != 1
        or source.getsampwidth() != 2
        or source.getframerate() != SAMPLE_RATE
        or source.getcomptype() != "NONE"
    ):
        raise ValueError("Use mono, 24 kHz, 16-bit PCM WAV audio.")
    pcm = source.readframes(source.getnframes())

if len(pcm) < SAMPLE_RATE * 2 // 10:
    raise ValueError("Use a spoken recording longer than 100 ms.")

for offset in range(0, len(pcm), 4800):
    await ws.send(json.dumps({
        "type": "input_audio_buffer.append",
        "audio": base64.b64encode(pcm[offset:offset + 4800]).decode("ascii"),
    }))
await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
while (await receive_event(ws)).get("type") != "input_audio_buffer.committed":
    pass

Mehr lesen

Was ist Grok Voice 3.0 und wie verwendet man es?

Den ersten API-Aufruf ausführen.

TL;DR

Diesen Artikel mit der nächsten Entscheidung verknüpfen.

Key Takeaways

What Is Grok Voice 3.0?

Key Features and Capabilities of Grok Voice 3.0

Grok Voice 3.0 Benchmark Performance

What Do You Need Before Calling the Grok Voice 3.0 API?

How to Use the Grok Voice 3.0 API with Python

Step 1: Select a fixed model and configure the session

Step 2: Send text and collect the spoken response

Step 3: Run the script and check the result

How Do You Send Audio to Grok Voice 3.0?

Recorded audio with manual turn completion

Live microphone capture and immediate playback

How to Add Tools to a Grok Voice 3.0 Agent?

How to Use Grok Voice 3.0 in Browser and Mobile Apps

How to Troubleshoot Common Grok Voice 3.0 API Errors

What Should You Budget for Grok Voice 3.0 API Calls?

Conclusion