Крайната точка на WebSocket и връзката в реално време
На тази страница
Обновено на 3 ноември 2026 г. въз основа на страниците на xAI за Speech to Speech, Ценообразуване и Ограничения на честотата: 0,08 щ.д. на минута, едновременни сесии според нивото и
grok-voice-3.0като текущ модел. Източници: Speech to Speech · Pricing · Rate limits.
Voice Agent API в реално време
API на Grok Voice Agent Ви позволява да изградите разговорни гласови агенти, които общуват с Вашите потребители в реално време. За разлика от класическите REST API, които работят заявка по заявка, този API използва протокола WebSocket, за да поддържа постоянна двупосочна връзка между Вашето приложение и сървърите на xAI.

Има само една крайна точка:
wss://api.x.ai/v1/realtime
Вие избирате модела чрез URL параметъра model, например wss://api.x.ai/v1/realtime?model=grok-voice-latest. grok-voice-latest сочи към grok-voice-3.0, който е текущият модел, и също така е стойността по подразбиране. В производствена среда xAI препоръчва да фиксирате конкретно именувана версия.
Тази единствена крайна точка управлява целия жизнен цикъл на гласовия разговор: получаване на аудио, откриване на реч, генериране на отговор и изпращане обратно на синтезираното аудио.
Отваряне на WebSocket връзката
За да се свържете, поставете Вашия API ключ на xAI в заглавката за оторизация. Ето един пример на JavaScript:
const ws = new WebSocket("wss://api.x.ai/v1/realtime", {
headers: {
"Authorization": "Bearer " + process.env.XAI_API_KEY
}
});
ws.on("open", () => {
console.log("WebSocket connection established");
});
ws.on("message", (data) => {
const event = JSON.parse(data);
console.log("Event received:", event.type);
});
ws.on("close", (code, reason) => {
console.log("Connection closed:", code, reason);
});
ws.on("error", (err) => {
console.error("WebSocket error:", err);
});
На Python можете да използвате библиотеката websockets:
import asyncio
import websockets
import json
import os
async def connect():
uri = "wss://api.x.ai/v1/realtime"
headers = {
"Authorization": f"Bearer {os.environ['XAI_API_KEY']}"
}
async with websockets.connect(uri, additional_headers=headers) as ws:
async for message in ws:
event = json.loads(message)
print(f"Event: {event['type']}")
asyncio.run(connect())
Жизнен цикъл на сесията
Веднага щом WebSocket връзката се отвори, сървърът изпраща събитие session.created, което потвърждава, че сесията е активна. След това Вие изпращате събитие session.update, за да конфигурирате разговора (глас, инструкции, инструменти, откриване на ред).
Типичният цикъл изглежда така:
- Връзка: отваряне на WebSocket с удостоверяване
- Конфигурация: изпращане на
session.updateс Вашите настройки - Потвърждение: получаване на
session.updatedот сървъра - Разговор: размяна на аудио и текстови събития
- Затваряне: чисто прекъсване на WebSocket връзката
Обработка на грешки при връзката
Сървърът може да затвори или откаже връзката по няколко причини: грешка при удостоверяване, надхвърляне на лимита за едновременни сесии за Вашето ниво (10 на началното ниво, до 200 на най-високото) или инцидент. Текущата документация не определя максимална продължителност на сесията, а възобновяването на сесията (урок 4) Ви позволява да подновите разговора след прекъсване. Вашето приложение трябва да включва логика за повторно свързване с експоненциално забавяне (exponential backoff).
Цените са проверени на 3 ноември 2026 г. Цените се променят често: преди да планирате бюджет, проверете текущите тарифи на официалната страница за ценообразуване на xAI.
Ключови изводи
- WebSocket крайната точка
wss://api.x.ai/v1/realtimeе единственият вход за всички гласови разговори - Удостоверявате се чрез заглавката
Authorization: Bearer {API ключ} - Броят на едновременните сесии зависи от Вашето ниво: 10 на началното ниво, до 200
- Сървърът изпраща
session.createdпри свързване, след което очаква Вашетоsession.update, за да конфигурира разговора - Цената е 0,08 щ.д. на минута, или 4,80 щ.д. на час, плюс 0,004 щ.д. за текстов вход