Tagi

Buduj z CometAPIPotrzebujesz jednego API dla wielu modeli?Przetestuj proces w Playground, a potem utwórz klucz API, gdy model i koszt pasują do Twojego zastosowania.

ai-model/Badania CometAPI

Czym jest Grok Voice 3.0 i jak z niego korzystać?

Połącz się z Grok Voice 3.0 za pomocą Pythona, wygeneruj odpowiedź głosową, prześlij audio, dodaj narzędzia i rozwiąż typowe problemy z Realtime API.

Deon GoodwinZespół badań AI modeli i API

Zaktualizowano Nov 4, 2026 9 min czyt.

Czym jest Grok Voice 3.0 i jak z niego korzystać?

Użyj tego wzorca

Wykonaj pierwsze wywołanie API.

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 to model mowy na mowę w czasie rzeczywistym firmy xAI, wydany 14 października 2026 r. Nazwa modelu w API to grok-voice-3.0; na dzień 3 listopada 2026 r. grok-voice-latest wskazuje na tę wersję. Ogłoszenie premiery podaje cenę sesji głosowych: 0,08 USD za minutę (4,80 USD za godzinę). Model łączy rozmowę, obsługę przerwań i użycie narzędzi dla asystentów głosowych oraz wsparcia klienta. Mając podstawy Pythona, klucz API xAI i bibliotekę websockets, możesz wysłać prompt i zapisać odpowiedź mówioną. Zacznij od przykładu poniżej, a następnie dodawaj nagrane audio, strumieniowanie z mikrofonu na żywo i narzędzia biznesowe wraz z rozwojem aplikacji.

Kontynuuj naukę

Połącz ten artykuł z następną decyzją.

Zobacz wszystkie tematy

Przewodniki po AI API

Przejdź od shortlisty modeli do działającego zapytania produkcyjnego.

Infrastruktura LLM

Zbuduj warstwę obsługi żądań AI, która przetrwa zmiany dostawców i modeli.

Agent AI

Przejdź od demonstracji promptu do obserwowalnego przepływu pracy agenta.

Optymalizacja kosztów

Niższy koszt bez ukrywania kompromisów dotyczących jakości lub niezawodności.

Opublikowano Nov 3, 2026

Ostatnia aktualizacja Nov 4, 2026

0 wyświetleń

Sprawdzone pod kątem przejrzystości, atrybucji źródeł i aktualnej terminologii API.

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

Czytaj więcej

Czym jest Grok Voice 3.0 i jak z niego korzystać?

Wykonaj pierwsze wywołanie API.

TL;DR

Połącz ten artykuł z następną decyzją.

Najważniejsze informacje

Czym jest Grok Voice 3.0?

Kluczowe funkcje i możliwości Grok Voice 3.0

Wydajność w benchmarkach Grok Voice 3.0

Co jest potrzebne, zanim wywołasz API Grok Voice 3.0?

Jak używać API Grok Voice 3.0 w Pythonie

Krok 1: Wybierz stałą wersję modelu i skonfiguruj sesję

Krok 2: Wyślij tekst i zbierz odpowiedź mówioną

Krok 3: Uruchom skrypt i sprawdź wynik

Jak wysyłać audio do Grok Voice 3.0?

Nagrane audio z ręcznym zakończeniem tury

Przechwytywanie z mikrofonu na żywo i natychmiastowe odtwarzanie

Jak dodać narzędzia do agenta Grok Voice 3.0?

Jak używać Grok Voice 3.0 w przeglądarce i aplikacjach mobilnych

Jak rozwiązywać typowe błędy API Grok Voice 3.0

Jaki budżet przewidzieć na wywołania API Grok Voice 3.0?

Podsumowanie