28 种有名字的 Grok 声音
从有活力、带英式口音的 Eve，到浑厚有电影感的 Orion、柔和舒缓的 Carina。花积分之前，可以先听每种声音的官方样音。
已按 2026 年 10 月 14 日的发布更新
Grok Voice 3.0：详解与 Grok 语音生成器
Grok Voice 3.0 是 xAI 新推出的语音到语音模型，用于实时语音助手。本页讲清它改了什么、怎么用，还提供一个文字转语音工具，用 Eve、Ara、Leo 等 Grok 声音朗读你自己的文本。
登录即送 20 积分，无需绑卡。
Grok 文字转语音
用 Grok 声音把文字转成语音
粘贴文本，选择声音和语言，加上 [laugh]、<whisper> 这类标签，然后下载 MP3。这个工具调用的是 xAI 的 Grok 文字转语音模型：它负责朗读文本，不能实时对话。
0 / 10,000
语音标签：点击插入到光标处
消耗：0 积分
用 Google 登录，送 20 积分。
生成的音频会显示在这里
每 100 个字符 1 积分，不足 100 按 100 算。输入时会实时显示消耗。
Grok Voice 3.0 是什么？
Grok Voice 3.0 是 xAI 第三代语音到语音模型。xAI 于 2026 年 10 月 14 日发布，并在 xAI 语音助手 API（Voice Agent API）中上线。语音到语音的意思是：模型听人说话，再实时开口回答，所以它面向的是语音助手、电话客服这类实时对话场景。
xAI 称它是全球最聪明的语音到语音模型。发布文章给出的成绩是：Artificial Analysis 语音到语音指数 86.9 分，排名第一，Grok Voice 2.0 是 81.3 分；延迟不到一秒。价格仍是每分钟 0.08 美元（每小时 4.80 美元），和 Grok Voice 2.0 一样；使用 grok-voice-latest 模型别名的语音助手已自动切换到 3.0。
据 xAI 介绍，Grok Voice 每天已在 Tesla 和 SpaceX 处理数百万次对话：它驱动 Tesla 车内的 Grok Bot 语音模式和 Connectors；Starlink 客服中心每天用它接听约 20,000 通多语种来电，其中约 70% 无需人工就能解决。
Grok Voice 3.0 与 Grok Voice 2.0 对比
| 评测 | Grok Voice 3.0 | Grok Voice 2.0 |
|---|---|---|
| Artificial Analysis 语音到语音指数 | 86.9 | 81.3 |
| Big Bench Audio（语音推理） | 98.5% | 97.2% |
| Speech Agent Arena Elo（人类偏好） | 1070 | 1011 |
| 任务成功率 | 94.8% | 94.6% |
| Full Duplex Bench（轮流说话） | 97.0% | 95.1% |
| τ-Voice（带噪音和打断的客服通话） | 71.6% | 56.5% |
| Voice Agent API 价格 | $0.08 / min | $0.08 / min |
数据来自 xAI 发布文章，其中引用了 Artificial Analysis 2026 年 10 月 13 日的结果。来源： x.ai/news/grok-voice-3
怎么使用 Grok Voice 3.0
目前有三种官方途径可以用上 Grok Voice 3.0；如果你其实只需要一段配音，还有一条捷径。
- 1
在 xAI 控制台试用
xAI 在开发者控制台 console.x.ai 提供免费试用，可以先在里面的 Playground 跟 Grok Voice 对话，不用写代码。
- 2
用 Voice Agent API 搭建语音助手
开发者通过 WebSocket 连接 wss://api.x.ai/v1/realtime，模型填 grok-voice-latest，它现在指向 Grok Voice 3.0。按对话时长计费，每分钟 0.08 美元。
- 3
在 Tesla 里跟 Grok 对话
xAI 表示，Grok Voice 3.0 驱动 Tesla 车内的 Grok Bot 语音模式，司机不用碰屏幕，就能让它点咖啡、订晚餐。
- 4
只想要配音？用本页的生成器
Grok Voice 3.0 是为实时双向通话设计的。如果你要的是一段用 Grok 声音朗读的音频文件，把文本粘贴到上面的生成器里，下载 MP3 就行。xAI 文字转语音 API 和语音助手用的是同一套声音名称，两者的默认声音都是 Eve。
认识 28 种 Grok 声音
下面每种声音都能在生成器里使用，而且每种声音都能说所有支持的语言。点播放就能听 xAI 官方的试听样音；音色说明来自 xAI 的声音列表。
听听语音标签的效果
标签可以改变一句话的读法：笑一声、叹口气、停顿、耳语或放慢语速。下面是 xAI 文档里的几段示例；在文本里写上同样的标签就能用。
声音和标签样音来自 xAI 文档（docs.x.ai）。Grok 和 xAI 是其所有者的商标。
这个语音生成器能做什么
一个输入框、全套 Grok 声音，按字符清楚计价。
20 种语言，支持自动识别
英语、中文、西班牙语、法语、德语、日语、韩语、印地语、阿拉伯语等。每种声音都能说所有支持的语言，自动识别会根据文本判断语言。
有表现力的语音标签
在需要的地方写 [laugh]、[sigh] 或 [pause]，或者用 <whisper>、<slow>、<emphasis> 把文字包起来，改变它的读法。
每次最多 10,000 个字符
足够一整段视频脚本、播客开场或一节短课。更长的内容可以分段生成，每段用同一种声音。
下载 MP3，归你使用
每个文件都是 24 kHz、128 kbps 的 MP3，保存在你的历史记录里。可以用在视频、广告、课程和播客中，包括商业项目。
按字符付费
每 100 个字符 1 积分，点击前就能看到准确消耗。生成失败时，积分会自动退回余额。
大家用 Grok 声音做什么
几个入门方向，以及 xAI 声音列表里适合每种用途的声音。
YouTube、抖音、TikTok 和 Reels 配音
写好脚本，生成一次，把 MP3 放到剪辑里。Eve、Helios、Iris 这类轻快的声音能让短视频节奏更紧凑。
旁白、故事和有声书
Orion 被标为浑厚有电影感，Zagan 被标为有力量、戏剧化，适合预告片、小说和纪录片式旁白。加上 [pause] 和 <slow> 控制节奏。
广告、产品演示和销售短片
Altair 和 Perseus 在列表里标注适合广告。文案写短一点，把产品名放进 <emphasis>，选定前先试两种声音。
课程、讲解和培训
Luna、Cosmo 和 Lumen 标注适合教育。把教案或帮助文档变成随时能听的音频，20 种语言都可以。
电话菜单和客服提示音
用 Carina、Celeste、Aurora 这类平静的声音录制语音菜单、等待提示或语音信箱问候，措辞一改就重新生成。
播客开场和音频草稿
Helix 和 Kepler 标注适合播客和解说。几分钟就能做出开场、口播广告或回顾的草稿，再决定要不要真人录制。
积分与价格
1 积分 = 100 个字符。每段文本的准确消耗在生成前就会显示，失败会自动退回积分。
Basic
$9.90/mo
偶尔做配音
- 每月 1,500 积分
- 最多 150,000 个字符的语音
- 全部 28 种声音和 20 种语言
- 下载 MP3，可商用
Pro
$19.90/mo
每周更新视频和播客
- 每月 4,000 积分
- 最多 400,000 个字符的语音
- 全部 28 种声音和 20 种语言
- 下载 MP3，可商用
Studio
$39.90/mo
高频创作者和小团队
- 每月 9,000 积分
- 最多 900,000 个字符的语音
- 全部 28 种声音和 20 种语言
- 下载 MP3，可商用
Grok Voice 3.0 是什么？
Grok Voice 3.0 是 xAI 用于实时语音助手的语音到语音模型。它于 2026 年 10 月 14 日发布，在 xAI Voice Agent API 中每分钟 0.08 美元，使用 grok-voice-latest 别名的用户已从 Grok Voice 2.0 自动切换过来。
本页的生成器就是 Grok Voice 3.0 吗？
不是。Grok Voice 3.0 是实时听、实时答的对话模型。这里的生成器通过 fal.ai 调用 xAI 的 Grok 文字转语音模型，用 Grok 声音朗读你写好的文本。需要成品音频文件、而不是语音助手时，就用它。
grok-voice.net 是 xAI 官方网站吗？
不是。grok-voice.net 是独立网站，与 xAI 没有隶属或认可关系。xAI 自己的控制台、API Key 和文档请访问 x.ai 和 docs.x.ai。
可以免费试用吗？
可以。新用户用 Google 登录后送 20 积分，大约能生成 2,000 个字符的语音，每日签到还能再领一些。不登录也能播放本页所有声音样音。
怎么收费？
每 100 个字符 1 积分，不足 100 按 100 算，所以 1,500 个字符的文本消耗 15 积分。月付套餐 9.90 美元起，含 1,500 积分；一次性积分包 9.90 美元起，含 1,000 积分，永不过期。
语音标签怎么用？
在想要出现声音的位置写 [laugh]、[chuckle]、[sigh]、[breath]、[pause] 这类标签，或者用 <whisper>…</whisper>、<slow>…</slow>、<emphasis>…</emphasis> 等标签把文字包起来。输入框下面的按钮可以直接插入。标签也计入字符数。
支持哪些语言？
英语、中文、西班牙语（西班牙和墨西哥）、法语、德语、意大利语、葡萄牙语（巴西和葡萄牙）、日语、韩语、印地语、孟加拉语、印尼语、越南语、土耳其语、俄语和阿拉伯语（沙特、阿联酋和埃及），另外支持自动识别。选择语言不会翻译你的文本。
生成的音频可以商用吗？
可以。为你生成的音频可以用在视频、广告、播客、课程等商业项目中，前提是你有权使用这段文本，并且不用它冒充真实人物。详见服务条款。
生成失败怎么办？
这次消耗的积分会自动退回余额。你的文本和音频保存在私人历史记录里，我们不会用它们训练 AI 模型。