Grok Voice 2.0
Grok-Sprachmodell der vorherigen Generation, zugunsten von Grok Voice 3.0 abgekündigt.
Grok-Sprachmodell der vorherigen Generation, zugunsten von Grok Voice 3.0 abgekündigt.
Übersicht in einfacher englischer Sprache
Grok Voice 2.0 erschien im Juli 2026. Die Oktober-Version ersetzte es hinter grok-voice-latest; bestehende Integrationen sollten auf grok-voice-3.0 umstellen.
Bei der Sub-Second-Kennzeichnung handelt es sich um eine Aussage auf Anbieterebene, nicht um eine garantierte Mund-zu-Ohr-Messung. Telefonie, Netzwerkentfernung, Sprachaktivitätserkennung, Toolaufrufe und Anwendungslogik wirken sich alle auf das Benutzererlebnis aus.
Kategorievergleich
Hierbei handelt es sich um vom Anbieter veröffentlichte Spezifikationen, nicht um Cody-Benchmark-Ergebnisse. Folgen Sie den verlinkten Quellen für aktuelle Grenzwerte und endpunktspezifische Ausnahmen.
API- und Provider-Zugriff
Verfügbarkeit
Abgekündigt: Wählen Sie Grok Voice 3.0 für neue Integrationen. Der Alias grok-voice-latest wählt diese Version nicht mehr.
Konto- und regionale Verfügbarkeit sollten in der SpaceXAI-Konsole überprüft werden.
Überprüfen Sie die Live-VerfügbarkeitDaten und Schulung
SpaceXAI gibt an, dass ohne ausdrückliche Genehmigung kein Training für API-Eingaben oder -Ausgaben durchgeführt wird. Die standardmäßige verschlüsselte Aufbewahrung beträgt 30 Tage; Eine Datenaufbewahrung ohne Datenverlust auf Teamebene ist mit Kompromissen bei den Funktionen möglich.
Hierbei handelt es sich um eine prägnante Lektüre des zitierten Anbietermaterials und nicht um eine Rechtsberatung. Ein Drittanbieter-Gateway kann andere Speicher-, Routing-, Schulungs- und Residenzbedingungen haben als die direkte API des Modellherstellers.
Lesen Sie die Richtlinien des AnbietersHäufig gestellte Fragen
Grok-Sprachmodell der vorherigen Generation, zugunsten von Grok Voice 3.0 abgekündigt. Grok Voice 2.0 erschien im Juli 2026. Die Oktober-Version ersetzte es hinter grok-voice-latest; bestehende Integrationen sollten auf grok-voice-3.0 umstellen.
Grok Voice 2.0 wurde gemäß den zitierten Anbietermaterialien auf 29. Juli 2026 veröffentlicht.
Abgekündigt: Wählen Sie Grok Voice 3.0 für neue Integrationen. Der Alias grok-voice-latest wählt diese Version nicht mehr. Die in diesem Handbuch aufgeführten Zugriffsrouten sind SpaceXAI.
0,08 $/Audiominute. SpaceXAI listet Speech-to-Speech-Audio für 0,08 $/Minute plus 0,004 $ pro Texteingabeeinheit auf, die auf der Preisseite angezeigt wird.
Abgekündigt: Wählen Sie Grok Voice 3.0 für neue Integrationen. Der Alias grok-voice-latest wählt diese Version nicht mehr. Konto- und regionale Verfügbarkeit sollten in der SpaceXAI-Konsole überprüft werden.
SpaceXAI gibt an, dass ohne ausdrückliche Genehmigung kein Training für API-Eingaben oder -Ausgaben durchgeführt wird. Die standardmäßige verschlüsselte Aufbewahrung beträgt 30 Tage; Eine Datenaufbewahrung ohne Datenverlust auf Teamebene ist mit Kompromissen bei den Funktionen möglich. Die Richtlinie gehört zu den Routen- und Kontobedingungen des Anbieters. Überprüfen Sie sie daher vor der produktiven Nutzung erneut.
Verwandte Vergleiche
Groks Echtzeit-Sprachmodell für Gespräche, Kundensupport und Assistenten, die während eines Anrufs Werkzeuge nutzen.
Vollständigen Vergleich öffnenDas Vollduplex-Sprach-Frontend von OpenAI für natürliche Konversation, das tiefergehende Überlegungen und Aktionen an einen separaten Backend-Agenten delegiert.
Vollständigen Vergleich öffnenGoogles Echtzeit-Sprachmodell für flüssige Gespräche mit Audio, Text und visuellem Kontext.
Vollständigen Vergleich öffnenEin separates Gemini-Sprachmodell, das komplexe Anfragen im Hintergrund bearbeitet und das Gespräch dabei fortsetzt.
Vollständigen Vergleich öffnenDas Echtzeit-Speech-to-Speech-Argumentationsmodell von OpenAI für Tool-verwendende Sprachagenten, die auch Text- und Bildkontext benötigen.
Vollständigen Vergleich öffnenDas Vorschau-Audio-zu-Audio-Modell von Google für Dialoge mit geringer Latenz mit multimodalem Bewusstsein, Denken, Sucherdung und Funktionsaufruf.
Vollständigen Vergleich öffnenElevenLabs‘ ausdrucksstarkes Echtzeit-Text-to-Speech-Modell für natürliche Dialoge, emotionale Übermittlung, Audio-Tags und mehr als 70 Sprachen.
Vollständigen Vergleich öffnenDas neueste ausdrucksstarke Echtzeit-Text-to-Speech-Modell von Inworld, das darauf ausgelegt ist, sich die gesprochene Sprache zu merken und in mehr als 100 Sprachen zu sprechen.
Vollständigen Vergleich öffnen