Voice Agent og TTS
På denne side
Opdateret 3. november 2026. Baseret på siderne Pricing, Rate Limits, Text to Speech og xAIs udgivelsesnoter: Voice Agent koster $0,08 pr. minut (ikke $0,05), TTS koster $15 pr. million tegn (ikke $4,20), samtidige sessioner afhænger af niveau (ikke 100, ej heller 30 minutter pr. session), TTS har været tilgængelig siden marts 2026; niveauer gælder automatisk for stemmemodeller, Imagine kræver kontakt til salgsafdelingen. Kilder: Pricing · Rate limits · Release notes.
Groks lydfunktioner
xAI tilbyder to lyd-tjenester via deres API: Voice Agent (Speech to Speech API), tilgængelig siden december 2025, til talesamtaler i realtid, og Text-to-Speech (TTS), tilgængelig siden marts 2026, til talesyntese. Disse tjenester giver dig mulighed for at bygge komplette talebaserede grænseflader, fra automatiserede telefonsystemer til indlejrede stemmeassistenter.
Voice Agent API
Voice Agent API’en lader dig skabe todirektionelle talesamtaler i realtid. Brugeren taler, modellen lytter, forstår og svarer mundtligt – alt sammen med en ventetid, der er lav nok til en naturlig samtale.
Nøglefunktioner
- Model:
grok-voice-3.0, som aliassetgrok-voice-latestpeger på - Samtidige sessioner: 10 på startniveauet, derefter 20, 50, 100 og 200 afhængigt af niveau
- Pris: $0,08 pr. minut, eller $4,80 pr. time, plus $0,004 pr. tekst-input
- Realtid: Ventetid optimeret til naturlig samtale
Anvendelsestilfælde
Voice Agent er designet til scenarier, hvor taleinteraktion tilfører mere værdi end tekst:
- Automatiseret kundeservice – telefonbesvarelse, opkaldsrouting, svar på hyppige spørgsmål
- Indlejrede stemmeassistenter – i mobilapps eller IoT-enheder
- Talebaseret undervisning – uddannelsesmæssig støtte via tale
- Tilgængelighed – talegrænseflade for brugere, der ikke kan eller foretrækker ikke at skrive
Omkostningsovervejelser
Med en pris på $4,80 i timen er Voice Agent økonomisk fordelagtig til korte, lejlighedsvise interaktioner. Men omkostningerne kan blive betydelige for tjenester med højt volumen. Et callcenter, der håndterer 1.000 timers samtale om måneden, vil repræsentere et budget på $4.800.
Niveausystemet gælder også for stemmemodeller, ligesom for tekstmodeller: dit niveau afhænger af dine samlede udgifter og falder aldrig. For at hæve grænserne for Imagine skal du dog kontakte xAIs salgsafdeling.
Text-to-Speech (TTS)
TTS-tjenesten konverterer tekst til tale med syntetiske stemmer af høj kvalitet. Den afregnes efter mængden af konverteret tekst.
Priser og grænser
| Service | Omkostning | Grænse |
|---|---|---|
| Text-to-Speech | $15 / 1M tegn | 50 anmodninger pr. sekund og 100 samtidige sessioner på startniveauet |
For at estimere dine omkostninger: Et blogindlæg på 5.000 tegn vil koste ca. $0,075 at konvertere til lyd. En lydbog på 500.000 tegn vil koste ca. $7,50.
Tilgængelige stemmer
xAI tilbyder 28 indbyggede stemmer (pr. 3. november 2026), som er fælles for både TTS og Voice Agent, med forskellige tonelejer og anvendelsesformål, samt brugerdefinerede stemmer skabt ud fra et kort klip. Du vælger stemmen på tidspunktet for API-anmodningen, hvilket giver dig mulighed for at tilpasse stemmen til konteksten – en professionel stemme til en rapport, en varm stemme til en tutorial.
TTS-anvendelser
- Automatiserede podcasts – omdan dine blogindlæg til lydindhold
- Oplæsning – tilføj et lydlag til dine uddannelsesapplikationer
- Tilgængelighed – gør tekstindhold tilgængeligt for synshandicappede brugere
- Talebeskeder – talte advarsler og påmindelser i applikationer
- Flersproget indhold – generér lydversioner på forskellige sprog
Voice Agent vs. TTS: Hvilken tjeneste skal du vælge?
Distinktionen er enkel:
- Voice Agent: Til interaktive samtaler i realtid. Brugeren taler, modellen svarer. Det er todirektionelt.
- TTS: Til envejs konvertering af tekst til tale. Ingen interaktion, kun talesyntese.
Hvis du bygger en samtaleassistent, får du brug for Voice Agent. Hvis du blot ønsker at læse tekst højt, er TTS tilstrækkeligt.
Integration i en eksisterende arkitektur
Groks lydtjenester integreres i samme API som tekst- og billedmodellerne. Du bruger de samme API-nøgler, det samme faktureringssystem og samme dashboard på console.x.ai.
Denne forening forenkler arkitekturen betydeligt: Et enkelt projekt kan bruge Grok 4.5 til ræsonnement, grok-build-0.1 til kode, Grok Imagine til visuelle elementer og Voice Agent til mundtlig interaktion, alt sammen med én udviklerkonto.
Priser verificeret 3. november 2026 – priser ændres regelmæssigt: Før enhver budgetberegning bør du tjekke den aktuelle pristabel på xAIs officielle prisside.
Vigtige pointer
- Voice Agent koster $0,08/min ($4,80/time) til samtaler i realtid
- TTS koster $15 pr. million tegn til talesyntese
- Voice Agent: 10 til 200 samtidige sessioner afhængigt af niveau
- TTS: 100 samtidige anmodninger
- Voice Agent = todirektionel, TTS = ensrettet
- Opgradering af niveauer for Voice/Imagine kræver en manuel anmodning