Grok Voice 3.0 คืออะไร และใช้งานอย่างไร?

เชื่อมต่อกับ Grok Voice 3.0 ด้วย Python, สร้างคำตอบแบบเสียงพูด, ส่งข้อมูลเสียง, เพิ่มเครื่องมือ และแก้ไขปัญหาที่พบบ่อยของ Realtime 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)

สรุปสั้นๆ

Grok Voice 3.0 คือโมเดลแปลงเสียงพูดเป็นเสียงพูดแบบเรียลไทม์ของ xAI เปิดตัวเมื่อวันที่ 14 ตุลาคม 2026 ชื่อโมเดลสำหรับ API คือ grok-voice-3.0; ณ วันที่ 3 พฤศจิกายน 2026, grok-voice-latest points to this version หน้าประกาศเปิดตัวระบุราคาเซสชันเสียงที่ $0.08 ต่อนาที ($4.80 ต่อชั่วโมง) โมเดลนี้ผสานการสนทนา การจัดการการขัดจังหวะ และการใช้เครื่องมือ สำหรับผู้ช่วยเสียงและงานฝ่ายบริการลูกค้า ด้วย Python ขั้นพื้นฐาน กุญแจ API ของ xAI และไลบรารี websockets คุณสามารถส่งพรอมต์และบันทึกคำตอบเสียงได้ เริ่มจากตัวอย่างด้านล่าง แล้วค่อยเพิ่มเสียงที่อัดไว้ สตรีมไมโครโฟนแบบสด และเครื่องมือทางธุรกิจตามการเติบโตของแอปพลิเคชัน

ประเด็นสำคัญ

แอปพลิเคชันของคุณส่งและรับอีเวนต์ของเซสชันผ่าน WebSocket ตลอดการสนทนา

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())

อ่านเพิ่มเติม

Grok Voice 3.0 คืออะไร และใช้งานอย่างไร?

เรียกใช้ API ครั้งแรก

สรุปสั้นๆ

ประเด็นสำคัญ

เชื่อมโยงบทความนี้กับการตัดสินใจถัดไป

Grok Voice 3.0 คืออะไร?

คุณลักษณะและความสามารถหลักของ Grok Voice 3.0

ผลการทดสอบ Benchmark ของ Grok Voice 3.0

ต้องเตรียมอะไรบ้างก่อนเรียกใช้ Grok Voice 3.0 API?

วิธีใช้ Grok Voice 3.0 API ด้วย Python

ขั้นตอนที่ 1: เลือกโมเดลแบบกำหนดเวอร์ชันคงที่และกำหนดค่าเซสชัน

ขั้นตอนที่ 2: ส่งข้อความและรับคำตอบแบบเสียงพูด

ขั้นตอนที่ 3: รันสคริปต์และตรวจสอบผลลัพธ์

จะส่งเสียงเข้า Grok Voice 3.0 ได้อย่างไร?

เสียงที่อัดไว้พร้อมการปิดเทิร์นแบบแมนนวล

จับเสียงจากไมโครโฟนแบบสดและเล่นกลับทันที

วิธีเพิ่มเครื่องมือให้เอเจนต์ Grok Voice 3.0

การใช้ Grok Voice 3.0 บนเบราว์เซอร์และแอปมือถือ

วิธีแก้ปัญหาข้อผิดพลาดทั่วไปของ Grok Voice 3.0 API

ควรตั้งงบประมาณเท่าไรสำหรับการเรียกใช้ Grok Voice 3.0 API?

บทสรุป