WebSocket-endepunktet og realtidsforbindelsen
På denne side
Opdateret 3. november 2026 baseret på xAI-siderne Speech to Speech, Pricing og Rate limits: 0,08 USD pr. minut, samtidige sessioner efter niveau og
grok-voice-3.0som den aktuelle model. Kilder: Speech to Speech · Pricing · Rate limits.
Voice Agent API i realtid
Grok Voice Agent API giver dig mulighed for at bygge konversationelle taleagenter, der taler med dine brugere i realtid. I modsætning til klassiske REST-API’er, der arbejder anmodning for anmodning, bruger dette API WebSocket-protokollen til at holde en vedvarende tovejsforbindelse åben mellem din app og xAI’s servere.

Der er kun ét endepunkt:
wss://api.x.ai/v1/realtime
Du vælger modellen med URL-parameteren model, for eksempel wss://api.x.ai/v1/realtime?model=grok-voice-latest. grok-voice-latest peger på grok-voice-3.0, som er den aktuelle model, og det er også standarden. I produktion anbefaler xAI, at du låser en navngiven version fast.
Dette ene endepunkt håndterer hele livscyklussen for en talesamtale: modtagelse af lyd, detektering af tale, generering af svar og tilbagesendelse af den syntetiserede lyd.
Åbn WebSocket-forbindelsen
For at oprette forbindelsen skal du placere din xAI API-nøgle i autorisationsheadere. Her er et eksempel i 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);
});
I Python kan du bruge biblioteket 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())
Sessionens livscyklus
Så snart WebSocket-forbindelsen åbnes, sender serveren en session.created-begivenhed, der bekræfter, at sessionen er aktiv. Derefter sender du en session.update-begivenhed for at konfigurere samtalen (stemme, instrukser, værktøjer, tur-detektering).
Den typiske cyklus ser sådan ud:
- Forbindelse: Åbn WebSocket med autentificering
- Konfiguration: Send
session.updatemed dine indstillinger - Bekræftelse: Modtag
session.updatedfra serveren - Samtale: Udveksling af lyd- og tekstbegivenheder
- Lukning: Afbryd WebSocket-forbindelsen korrekt
Håndtering af forbindelsesfejl
Serveren kan lukke eller nægte forbindelsen af flere årsager: en autentificeringsfejl, overskridelse af grænsen for samtidige sessioner for dit niveau (10 på startniveauet, op til 200 på det højeste) eller en hændelse. Den aktuelle dokumentation angiver ingen maksimal sessionslængde, og genoptagelse af session (lektion 4) giver dig mulighed for at genoptage en samtale efter et afbrud. Din app bør inkludere genforbindelseslogik med eksponentiel backoff.
Priser tjekket 3. november 2026. Priser ændres ofte: Før du lægger et budget, bør du tjekke de aktuelle satser på xAI’s officielle prisside.
Vigtige pointer
- WebSocket-endepunktet
wss://api.x.ai/v1/realtimeer det eneste indgangspunkt for alle talesamtaler - Du autentificerer med headeren
Authorization: Bearer {API-nøgle} - Antallet af samtidige sessioner afhænger af dit niveau: 10 på startniveauet, op til 200
- Serveren sender
session.createdved forbindelse og venter derefter på dinsession.updatefor at konfigurere samtalen - Prisen er 0,08 USD pr. minut eller 4,80 USD i timen, plus 0,004 USD pr. tekstinput