xAI, 14 Ekim’de konuşmadan konuşmaya çalışan yeni ses modeli Grok Voice 3.0‘ı yayımladı. Model, sesi önce yazıya çevirmeden doğrudan dinleyip düşünüyor ve sesli yanıt veriyor. Şirket modeli “dünyanın en zeki konuşmadan konuşmaya modeli” olarak tanıtıyor. Yanıt süresi bir saniyenin altında, API fiyatı ise önceki sürümle aynı: dakikası 0,08 dolar.
İçindekiler
Grok Voice 3.0 nedir?
Grok Voice 3.0, sesli ajanlar ve telefon asistanları için geliştirilen bir model. Klasik sesli asistanlar konuşmayı önce metne çevirir, metni bir dil modeline gönderir ve gelen yanıtı tekrar sese dönüştürür. Bu zincir gecikme yaratır. Grok Voice 3.0 bu adımları tek modelde birleştiriyor. Dinliyor, akıl yürütüyor, gerektiğinde araç çağırıyor ve konuşuyor.
Model şu an yalnızca API üzerinden sunuluyor. Açık ağırlık, parametre sayısı ya da mimari bilgisi paylaşılmadı. Geliştirici olarak bazı kaynaklarda SpaceXAI adı geçiyor.
Test sonuçları: Artificial Analysis’te birinci
Bağımsız değerlendirme platformu Artificial Analysis’in konuşmadan konuşmaya endeksinde Grok Voice 3.0, 86,9 puanla ilk sırada. Önceki sürüm Grok Voice 2.0 81,3 puan almıştı.
| Test | Grok Voice 3.0 | GPT-Live-1 | Gemini 3.8 Live |
|---|---|---|---|
| Speech-to-Speech Index | 86,9 | 83,2 | 82,6 |
| τ-Voice (gerçekçi destek çağrıları) | yüzde 71,6 | yüzde 74,5 | yüzde 68,6 |
| İlk sese kadar geçen süre | 0,81 sn | 1,34 sn | 1,35 sn |
| Speech Agent Arena (Elo) | 1070 | 1048 | 990 |
Tablo modelin her alanda önde olmadığını da gösteriyor. Aksanlı, gürültülü ve sözün kesildiği destek çağrılarını ölçen τ-Voice testinde OpenAI’ın GPT-Live-1 modeli hâlâ önde. Big Bench Audio’da yüzde 98,5 ve Full Duplex Bench’te yüzde 97 alan Grok Voice 3.0, bu iki testte StepAudio 3 Realtime’ın gerisinde dördüncü sırada. İlginç bir ayrıntı da şu: Grok Voice 2.0 ilk sese 0,70 saniyede ulaşıyordu, yani yeni sürüm biraz daha yavaş ama daha isabetli.
Öne çıkan özellikler
1Söz kesmeye doğal tepki
Sunucu tarafındaki ses algılama sayesinde kullanıcı araya girdiğinde model konuşmayı bırakıp dinliyor. Duraklama ve sıra alma yönetimi Full Duplex Bench’te yüzde 97 puan aldı.
228 hazır ses ve ses klonlama
Modelde 28 yerleşik ses var. 120 saniyeye kadar bir örnek kayıttan özel ses de oluşturulabiliyor.
320 dil ve otomatik dil algılama
Model 20 dili destekliyor ve konuşulan dili kendisi algılıyor.
4Yerleşik araçlar
Web araması, X araması, belge koleksiyonlarında arama, uzak MCP sunucuları ve özel fonksiyonlar doğrudan çağrılabiliyor.
5Telefon hattı desteği
WebSocket ve WebRTC’nin yanında SIP desteği de var. Bu sayede model çağrı merkezlerine ve telefon hatlarına bağlanabiliyor.
Akıl yürütme varsayılan olarak yüksek seviyede açık. Daha hızlı yanıt isteyenler bunu kapatabiliyor. Şirket ses kayıtlarının saklanmadığını ve model eğitiminde kullanılmadığını belirtiyor.
Fiyat ve geçiş
API fiyatı dakikada 0,08 dolar, yani saatte 4,80 dolar. Bu fiyat Grok Voice 2.0 ile aynı. Artificial Analysis’in hesabına göre Big Bench Audio’daki görev başına maliyet Grok Voice 3.0’da 0,025 dolar, GPT-Live-1’de 0,030 dolar. Saatlik girdi sesinde ise en ucuz seçenek 3,50 dolarla Gemini 3.8 Live.
grok-voice-latest takma adını kullanan ajanlar herhangi bir değişiklik gerekmeden yeni modele geçti. API, OpenAI Realtime API ile uyumlu olduğu için başka bir sistemden geçiş çoğunlukla adres ve anahtar değişikliğinden ibaret. Canlı sistemlerde takma ad yerine doğrudan grok-voice-3.0 model kimliğini sabitlemek daha güvenli. Grok Voice 2.0 kullanımdan kaldırıldı.
Nerede kullanılıyor?
xAI’a göre model şimdiden büyük ölçekte çalışıyor. Tesla araçlarında günde milyonlarca konuşmayı yönetiyor. Sürücüler takvim kontrolü, e-posta yanıtlama ya da kahve siparişi gibi işleri eller serbest yapabiliyor. Starlink çağrı merkezlerinde ise günde 20 bin müşteri araması bu modelle karşılanıyor. Aramaların yaklaşık yüzde 70’i bir insana aktarılmadan çözülüyor.
Grok’un sohbet uygulamasındaki sesli mod da Grok Voice 3.0 ile çalışıyor. Grok’un ücretsiz ve ücretli planlarını Grok ücretsiz mi yazımızda karşılaştırdık. Yapay zeka ile ses üretmekle ilgileniyorsanız ElevenLabs Eleven v4 ve yapay zeka ile sesli çeviri ve dublaj rehberlerimize de bakabilirsiniz.
Kaynaklar: xAI, MarkTechPost.
Sıkça Sorulan Sorular
Grok Voice 3.0 ne zaman çıktı?
xAI, Grok Voice 3.0’ı 14 Ekim 2026’da duyurdu ve aynı gün API’de kullanıma açtı.
Grok Voice 3.0 ücretli mi?
API’de dakikası 0,08 dolar. Grok uygulamasındaki sesli mod ise kullandığınız Grok planına bağlı.
Grok Voice 3.0 Türkçe biliyor mu?
Model 20 dili otomatik algılıyor. xAI’ın listesinde Türkçenin yer alıp almadığını kendi projenizde test etmenizi öneririz.
Grok Voice 3.0 ile GPT-Live-1 arasındaki fark ne?
Grok Voice 3.0 genel endekste ve yanıt hızında önde. Gürültülü ve aksanlı destek çağrılarını ölçen τ-Voice testinde ise GPT-Live-1 daha yüksek puan alıyor.
Eski Grok Voice 2.0 ajanlarım çalışmaya devam eder mi?
grok-voice-latest kullanan ajanlar otomatik olarak 3.0’a geçti. Grok Voice 2.0 kullanımdan kaldırıldığı için sabit sürüm kullananların güncelleme yapması gerekiyor.
Güncel yapay zeka haberlerini, yeni promptları ve pratik ipuçlarını kaçırma. Haber bültenimize ücretsiz abone ol, doğrudan mailine gelsin!
Dijipedya’da İlgili İçerikler
Takıldığın bir yer mi var?
Sorunu Dijipedya Yapay Zekâ Forumu’nun Görsel, Video ve Ses bölümünde sor, kendi deneyimini paylaş ya da başkalarının sorularına cevap ver. Üyelik ücretsiz.
Daha fazla güncel gelişme: Günün tüm yapay zeka haberleri için Yapay Zeka Haberleri sayfamızı takip et.
Dijipedya sitesinden daha fazla şey keşfedin
Son gönderilerin e-postanıza gönderilmesi için abone olun.
