AI開発コネクト
開発会社の登録（無料）無料で相見積もり・相談
AI最新ニュース欧米のAI動向

音声AIの新モデルが1分0.08ドルで価格据え置き。電話応答の運用費を試算する4ステップ

xAIが2026年10月14日にGrok Voice 3.0を公開。1分0.08ドルで前世代と同額です。総合指標は1位でもサポート電話の評価は2位。運用費を自分で試算する4ステップと、契約型による単価下落の受け取り方を整理します。

公開: 2026.10.19 ／ 更新: 2026.10.19

電話応答や窓口対応を AI に任せる案件は、見積書の形が他の AI 開発と違う。初期の開発費よりも、「1 分いくら」で積み上がる運用費のほうが総額を左右する。ところがその単価は見積書に書かれないことが多い。

2026 年 10 月 14 日、xAI が音声対話モデル Grok Voice 3.0 を公開した。注目すべきは性能ではなく価格である。1 分あたり 0.08 ドル（1 時間 4.80 ドル）で、前世代の Grok Voice 2.0 と同額に据え置かれた。

音声 AI の単価は、ここ 1 年で下がるより「性能が上がって同額」という形で動いている。発注側にとっては、モデルが変わっても運用費の試算式は変えなくてよいという意味になる。

机の上に砂時計と計量カップが並び、カップの目盛りの1本だけがアンバー

公表されている内容

以下は xAI の発表資料と同社の API ドキュメントに書かれている範囲である。

項目 内容
公開日 2026 年 10 月 14 日
モデル grok-voice-3.0（音声から音声へ直接応答する方式）
価格 1 分 0.08 ドル（1 時間 4.80 ドル）。テキスト入力は別に 1 件 0.004 ドル
前世代との比較 Grok Voice 2.0 と同額
応答の速さ 同社は「1 秒未満」と表現。具体的な数値は示していない
提供 Voice Agent API で提供開始。grok-voice-latest を指定していた場合は自動で切り替わった

価格が据え置かれた一方で、同社が挙げた評価値は上がっている。出典は Artificial Analysis（2026 年 10 月 13 日）である。

評価 Grok Voice 3.0 Grok Voice 2.0 GPT-Live-1 Gemini 3.8 Live
Speech-to-Speech Index 86.9 81.3 83.2 82.6
Big Bench Audio（音声での推論） 98.5% 97.2% 90.1% 97.7%
Full Duplex Bench（割り込み・話者交代） 97.0% 95.1% 94.9% 91.9%
τ-Voice（サポート電話） 71.6% 56.5% 74.5% 68.6%

最下行が重要である。総合指標で 1 位でも、サポート電話を模した評価では GPT-Live-1 のほうが高い。同社自身も τ-Voice については「GPT-Live-1 と同等だが、遅延は 40% 低い」という書き方をしている。

1 件のタスクを処理する費用（Big Bench Audio 実行時、同じ出典）は、Grok Voice 3.0 が 0.025 ドル、GPT-Live-1 が 0.030 ドル、GPT-Realtime-2.1 が 0.055 ドルとされている。

自社での運用例として挙げられているもの

同社は Starlink のコールセンターでの利用を挙げ、1 日およそ 2 万件の問い合わせを複数言語で処理し、約 70% を人が介在せずに解決しているとしている。いずれも同社の自己申告であり、第三者による検証は示されていない。

なお発表資料には、電話網との接続（SIP・通話料）の扱いについての記載がない。分単価はモデルの費用であって、電話の費用ではない。

発注者・企業への影響

ここからは見立てである。特定の製品を勧めるものではなく、音声 AI を外注するときの試算の型として整理する。

1. 運用費を 4 ステップで試算する

音声 AI の見積書は、初期費用の行だけ見ても判断できない。次の順で自分で計算しておくと、提示額の妥当性が見える。

ステップ 1 — 総分数を出す

対象業務の月間件数 × 平均通話時間。ここは発注側しか持っていない数字である。

ステップ 2 — モデルの分単価を掛ける

今回の 0.08 ドル／分を使う場合、月 1,000 件・平均 4 分なら 4,000 分で 320 ドル。1 ドル 150 円と仮定すれば月 4.8 万円になる（為替は変動するため、見積書には換算レートの前提を書いてもらう）。

ステップ 3 — 人が出る分を足す

無人解決率が 70% なら、残り 30% は有人対応である。AI の費用が下がっても、この人件費は減らない。ここを計算に入れないと「AI にすれば安くなる」という結論になってしまう。

ステップ 4 — モデル以外を足す

費目 見積書での扱い
電話網の接続・通話料 分単価には含まれない。別契約になりやすい
録音・文字起こしの保管 保持期間で容量が決まる
会話ログの監視・評価 精度を保つには必須。省かれやすい
社内システムとの連携 件数ではなく連携先の数で決まる
テキスト入力分の課金 今回の例では 1 件 0.004 ドル

音声AI・文字起こしの費用相場。認識精度は環境で決まるで示した運用費の相場（月 10 万〜60 万円）は、この 1〜4 を合計した水準である。モデルの分単価はその一部にすぎない。

2. 「モデルが変わっても単価が同じ」は、見積書の有効期限に効くと考えられる

今回のように性能が上がって価格が同額という形が続くなら、発注側にとっては好都合である。見積書の運用費を、モデルの世代交代ごとに作り直す必要が薄くなる。

ただし逆の動きも同じ期間に起きている。Gemini 4 Argonが一般提供。12月1日に単価2倍、運用費はどちらで見積もるかで扱ったように、値上げの予告が出る分野もある。だからこそ見積書には、

運用費は 1 分あたり ○ ドル・為替 ○ 円で算定。単価改定があった場合は再見積とする

という前提を書いてもらうのが現実的だと考えられる。AI開発の見積書の前提条件と有効期限の読み方。概算と確定の差を埋める8項目で挙げた前提条件の 1 つとして扱えばよい。

3. ベンチマークの順位で選ばない

今回の数値がちょうど良い例になっている。総合指標では 1 位、サポート電話の評価では 2 位である。自社の用途が「サポート電話」に近いなら、総合 1 位は選定の根拠にならない。

発注時に確認するのは次の 3 点である。

  1. 自社の音声で試したか（実際の騒音・方言・専門用語を含む録音で）
  2. 評価の指標が自社の業務に合っているか（割り込みの多い窓口なのか、定型の確認作業なのか）
  3. モデルを差し替えられる設計か（1 社のモデルに固定されていないか）

3 番目は契約の話である。AI開発会社の選び方。実績より先に見る精度の評価方法と運用体制の9か所で書いた「評価方法を先に見る」という順番が、音声 AI では特に効く。

4. 定額保守か従量精算かで、単価の下がり方の恩恵が変わる

分単価が据え置き・将来的に下がる前提なら、その恩恵を誰が受け取るかが契約型で決まる。

契約型 単価が下がったとき
API 実費を発注者が直接負担 そのまま発注者の費用が下がる
開発会社が実費を転嫁 転嫁額が下がる。ただし確認できる形になっているか
月額定額に含む 単価が下がっても支払額は変わらない

AI運用費は定額保守か従量精算か。API実費を誰が持つかで分かれる3つの契約型で整理したとおり、どれが正解というものではない。ただし音声 AI は分単価の影響が大きいため、どの型なのかを見積書の段階で確認する価値が他分野より高いと考えられる。

まとめ

  • 2026 年 10 月 14 日、xAI が Grok Voice 3.0 を公開した。価格は **1 分 0.08 ドル（1 時間 4.80 ドル）**で、前世代と同額
  • 総合指標（Speech-to-Speech Index 86.9）では 1 位だが、サポート電話を模した τ-Voice では GPT-Live-1 が 74.5% で上回る
  • 発表資料には電話網の接続・通話料の記載がない。分単価はモデルの費用に限られる
  • 運用費は総分数 → 分単価 → 有人対応分 → モデル以外の 4 ステップで自分で試算できる
  • 単価の下がり方の恩恵を誰が受けるかは、定額保守か従量精算かという契約型で決まる

無料で相見積もり・相談の案件票では、想定件数と平均通話時間を数値で入れる形にしている。同じ件数・同じ分単価の前提で書かれていない見積書は、金額だけ比べても意味がない。

参考・出典

AI開発の見積もりを、同じ条件で比べる。

条件を整理した 1 枚の案件票で複数のAI開発会社に依頼。初期費用だけでなく、データ整備・API 費・精度検証・保守・権利まで同じ列で比較できます。

無料で相見積もり・相談する →
無料で相見積もり・相談30秒で費用診断