Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Grok Voice: hlasoví agenti a 21 nových hlasů

Lekce 5 z 12 Aktualizováno 3. listopadu 2026 Mírně pokročilý
Na této stránce
  1. Dvě oznámení, dva cílové okruhy
  2. Cena hlasového API
  3. Co to mění pro vaše stávající znalosti
  4. Klíčové poznatky

Aktualizováno 2. listopadu 2026 — hlas. Grok Voice 3.0 (14. října 2026) nahrazuje zastaralý Grok Voice 2.0 za stejnou cenu 0,08 USD za minutu; alias grok-voice-latest nyní odkazuje na verzi 3.0. Pro přepis je výchozím modelem grok-voice-transcribe-2.0; verze 1.0 dosáhla konce životnosti 2. října 2026. Doplněk ze 3. listopadu 2026: Níže uvedená tabulka je aktualizována (hlasový agent stojí 4,80 USD za hodinu místo 3 USD zaznamenaných 28. července) a katalog nyní zahrnuje 28 vestavěných hlasů. Zdroje: Ceník · Text na řeč.

Hlasová divize xAI byla dlouho tichým sourozencem celé nabídky: solidní, zdokumentované API, ale efektivně vyhrazené pouze týmům schopným vývoje. Začátkem července 2026 to změnila dvě po sobě jdoucí oznámení. Stojí za to si je přečíst společně, protože vymezují dva odlišné vstupní body do stejného produktu.

Dvě oznámení, dva cílové okruhy

První přišlo 1. července: Voice Agent Builder. Tento nástroj slibuje vytvoření vlastního hlasového agenta „za méně než 2 minuty bez napsání jediného řádku kódu“. V praxi definujete roli agenta, zvolíte jeho hlas, poskytnete mu znalosti a následně ho nasadíte – vše prostřednictvím rozhraní, bez nutnosti programovat. To přesně odpovídá cílové skupině, která v nabídce hlasových služeb xAI chyběla: manažeři, kteří chtějí vytvořit prototyp infolinky nebo automatizované ústředny, aniž by angažovali vývojový tým. API nikam nemizí; zůstává cestou pro hluboké integrace, kde musí hlasový agent komunikovat s vaším CRM nebo systémem pro správu požadavků.

O pět dní později, 6. července, xAI oznámilo 21 nových vícejazyčných „vlajkových“ hlasů pro Grok Voice a zároveň zlepšilo přirozenost původní pětky. Pro vás je toto vícejazyčné rozšíření klíčové: hlasový agent v angličtině je důvěryhodný pouze tehdy, je-li důvěryhodný samotný hlas. Než se u projektu definitivně rozhodnete, věnujte čas poslechu dostupných hlasů ve vašem cílovém jazyce – výstup se u jednotlivých hlasů výrazně liší a změna hlasu po spuštění zákaznické podpory je vždy obtížnější než správný výběr na začátku.

Cena hlasového API

Ceník zveřejněný na docs.x.ai (zachycen 3. listopadu 2026) se vejde do čtyř řádků a jde o přehledná tabulková data:

KomponentaCena
Hlasový agent (reálný čas, grok-voice-3.0)0,08 USD za minutu, neboli 4,80 USD za hodinu, plus 0,004 USD za textový vstup
Převod textu na řeč (TTS)15 USD za milion znaků
Dávkový přepis (STT batch)0,10 USD za hodinu
Streamovaný přepis (STT streaming)0,20 USD za hodinu

Nejzajímavější je první řádek, a to nejen kvůli částce. Hlasový agent je účtován podle času, nikoli podle tokenů. Přímý důsledek: rozpočet pro call centrum nebo infolinku spočítáte rychle. Pokud vaše služba měsíčně odbaví 200 hodin konverzací, víte, že faktura bude činit 960 USD – bez ohledu na ukecanost výměny či složitost odpovědí. Toto je cenový model, kterému finanční týmy okamžitě rozumějí, zatímco účtování podle tokenů vyžaduje vždy křehké projekce.

Rozdíl mezi dvěma režimy přepisu také něco vypovídá. Dávkový přepis stojí 0,10 USD za hodinu, streamovaný přepis 0,20 USD: reálný čas stojí přesně dvojnásobek. To je klasický vzorec v oboru a vyvolává jednoduchý reflex: plaťte za streamování pouze tam, kde okamžitost skutečně slouží danému případu použití. Titulky pro živé schůzky reálný čas ospravedlňují; přepis nahrávek hovorů pro následnou analýzu nikdy ne – dávkové zpracování odvede stejnou práci za poloviční cenu.

Co to mění pro vaše stávající znalosti

Pokud jste absolvovali naše kurzy „Grok Voice & Audio“, „Voice Agent API“ a „TTS API“, nic z toho, co jste se tam naučili, není zastaralé. Mechanika implementace – WebSocket v reálném čase, detekce hlasové aktivity (VAD), audio formáty – zůstává přesně taková, jak je popsána v těchto kurzech. Přibyla pouze vrstva navíc: nástroj bez kódování pro rychlé prototypování, výrazně rozšířený katalog hlasů a výše uvedený aktualizovaný ceník, který vám umožní odhadnout náklady projektu ještě před napsáním prvního řádku kódu.

V praxi nyní správný postup pro týmy, které se teprve seznamují s touto problematikou, spočívá v prototypování pomocí Voice Agent Builder – dvě minuty stačí k tomu, abyste slyšeli, jak by váš případ použití zněl – a následně, pokud vás prototyp přesvědčí, přechodu na API pro skutečnou integraci. Obrácený pořadí, tedy začínání kódem pro ověření nápadu, již nedává smysl.

Oficiální zdroj: docs.x.ai/developers/models a x.ai/news

Klíčové poznatky

  • Voice Agent Builder: vytvořte hlasového agenta bez kódování (1. července)
  • 21 nových vícejazyčných hlasů oznámeno 6. července; k 3. listopadu obsahuje katalog 28 hlasů
  • Hlasový agent: 4,80 USD za hodinu (údaj ze 3. listopadu; 28. července bylo zaznamenáno 3 USD) – rozpočet počítaný v čase, nikoli v tokenech
  • Přepis: 0,10 USD/hod dávka, 0,20 USD/hod stream – za reálný čas plaťte uvážlivě