Πράκτορας Φωνής και TTS
Σε αυτήν τη σελίδα
Ενημερώθηκε στις 3 Νοεμβρίου 2026. Με βάση τις σελίδες Pricing, Rate Limits, Text to Speech και τις σημειώσεις κυκλοφορίας της xAI: ο πράκτορας φωνής κοστίζει 0,08 $ ανά λεπτό (όχι 0,05 $), το TTS 15 $ ανά εκατομμύριο χαρακτήρες (όχι 4,20 $), οι ταυτόχρονες συνεδρίες καθορίζονται ανά επίπεδο (όχι 100, ούτε 30 λεπτά ανά συνεδρία), το TTS είναι διαθέσιμο από τον Μάρτιο του 2026· τα επίπεδα ισχύουν αυτόματα για τα μοντέλα φωνής, ενώ για το Imagine απαιτείται επικοινωνία με το τμήμα πωλήσεων. Πηγές: Pricing · Rate limits · Release notes.
Δυνατότητες Ήχου του Grok
Η xAI προσφέρει δύο υπηρεσίες ήχου μέσω του API της: τον Πράκτορα Φωνής (Speech to Speech API), διαθέσιμο από τον Δεκέμβριο του 2025, για συνομιλίες φωνής σε πραγματικό χρόνο, και τη Μετατροπή Κειμένου σε Ομιλία (TTS), διαθέσιμη από τον Μάρτιο του 2026, για σύνθεση φωνής. Αυτές οι υπηρεσίες σάς επιτρέπουν να δημιουργήσετε πλήρεις διεπαφές φωνητικής συνομιλίας, από αυτοματοποιημένα τηλεφωνικά συστήματα έως ενσωματωμένους φωνητικούς βοηθούς.
API Πράκτορα Φωνής
Το API Πράκτορα Φωνής σάς επιτρέπει να δημιουργήσετε αμφίδρομες συνομιλίες φωνής σε πραγματικό χρόνο. Ο χρήστης μιλά, το μοντέλο ακούει, κατανοεί και απαντά προφορικά—όλα με λανθάνουσα χρόνο αρκετά χαμηλό για φυσική συνομιλία.
Βασικά Χαρακτηριστικά
- Μοντέλο:
grok-voice-3.0, στο οποίο παραπέμπει το ψευδώνυμοgrok-voice-latest - Ταυτόχρονες συνεδρίες: 10 στο αρχικό επίπεδο, κατόπιν 20, 50, 100 και 200 ανάλογα με το επίπεδο
- Τιμολόγηση: 0,08 $ ανά λεπτό, ή 4,80 $ ανά ώρα, συν 0,004 $ ανά εισαγωγή κειμένου
- Πραγματικός χρόνος: λανθάνουσα χρόνος βελτιστοποιημένος για φυσική συνομιλία
Περιπτώσεις Χρήσης
Ο Πράκτορας Φωνής έχει σχεδιαστεί για σενάρια όπου η φωνητική αλληλεπίδραση προσφέρει μεγαλύτερη αξία από το κείμενο:
- Αυτοματοποιημένη εξυπηρέτηση πελατών — τηλεφωνικός χαιρετισμός, δρομολόγηση κλήσεων, απαντήσεις σε συχνές ερωτήσεις
- Ενσωματωμένοι φωνητικοί βοηθοί — σε εφαρμογές κινητών ή συσκευές IoT
- Φωνητική καθοδήγηση — εκπαιδευτική υποστήριξη μέσω φωνής
- Προσβασιμότητα — φωνητική διεπαφή για χρήστες που δεν μπορούν ή προτιμούν να μην πληκτρολογούν
Θεωρήσεις Κόστους
Με κόστος 4,80 $ ανά ώρα, ο Πράκτορας Φωνής είναι οικονομικός για σύντομες και περιστασιακές αλληλεπιδράσεις. Ωστόσο, το κόστος μπορεί να γίνει σημαντικό για υπηρεσίες υψηλού όγκου. Ένα κέντρο κλήσεων που διαχειρίζεται 1.000 ώρες συνομιλίας ανά μήνα θα αντιπροσώπευε προϋπολογισμό 4.800 $.
Το σύστημα επιπέδων ισχύει επίσης για τα μοντέλα φωνής, ακριβώς όπως και για τα μοντέλα κειμένου: το επίπεδο εξαρτάται από τις σωρευτικές σας δαπάνες και δεν μειώνεται ποτέ. Για να αυξήσετε τα όρια του Imagine, ωστόσο, πρέπει να επικοινωνήσετε με τις πωλήσεις της xAI.
Μετατροπή Κειμένου σε Ομιλία (TTS)
Η υπηρεσία TTS μετατρέπει το κείμενο σε ομιλία με φωνές σύνθεσης υψηλής ποιότητας. Η χρέωση γίνεται με βάση τον όγκο του κειμένου που μετατρέπεται.
Τιμολόγηση και Όρια
| Υπηρεσία | Κόστος | Όριο |
|---|---|---|
| Text-to-Speech | 15 $ / 1 εκατ. χαρακτήρες | 50 αιτήματα ανά δευτερόλεπτο και 100 ταυτόχρονες συνεδρίες στο αρχικό επίπεδο |
Για να εκτιμήσετε το κόστος σας: μια ανάρτηση ιστολογίου 5.000 χαρακτήρων θα κόστιζε περίπου 0,075 $ για μετατροπή σε ήχο. Ένα ακουστικό βιβλίο 500.000 χαρακτήρων θα κόστιζε περίπου 7,50 $.
Διαθέσιμες Φωνές
Η xAI προσφέρει 28 ενσωματωμένες φωνές (στις 3 Νοεμβρίου 2026), κοινές τόσο για το TTS όσο και για τον Πράκτορα Φωνής, με διάφορους τόνους και χρήσεις, καθώς και προσαρμοσμένες φωνές που δημιουργούνται από ένα σύντομο απόσπασμα. Επιλέγετε τη φωνή κατά τη στιγμή του αιτήματος API, γεγονός που σας επιτρέπει να προσαρμόζετε τη φωνή στο πλαίσιο—μια επαγγελματική φωνή για μια αναφορά, μια θερμή φωνή για ένα εκπαιδευτικό σεμινάριο.
Εφαρμογές TTS
- Αυτοματοποιημένα podcast — μετατρέψτε τις αναρτήσεις του ιστολογίου σας σε ηχητικό περιεχόμενο
- Αφήγηση — προσθέστε ένα ηχητικό στρώμα στις εκπαιδευτικές εφαρμογές σας
- Προσβασιμότητα — καταστήστε το περιεχόμενο κειμένου προσβάσιμο σε χρήστες με προβλήματα όρασης
- Φωνητικές ειδοποιήσεις – προφορικές ειδοποιήσεις και υπενθυμίσεις σε εφαρμογές
- Πολυγλωσσικό περιεχόμενο — δημιουργία ηχητικών εκδόσεων σε διαφορετικές γλώσσες
Πράκτορας Φωνής έναντι TTS: Ποια Υπηρεσία να Επιλέξετε;
Η διάκριση είναι απλή:
- Πράκτορας Φωνής: για διαδραστικές συνομιλίες σε πραγματικό χρόνο. Ο χρήστης μιλά, το μοντέλο απαντά. Είναι αμφίδρομο.
- TTS: για μονόδρομη μετατροπή κειμένου σε ομιλία. Χωρίς αλληλεπίδραση, απλώς σύνθεση φωνής.
Εάν δημιουργείτε έναν συνομιλητικό βοηθό, θα χρειαστείτε τον Πράκτορα Φωνής. Εάν απλώς θέλετε να διαβάσετε κείμενο φωναχτά, το TTS αρκεί.
Ενσωμάτωση σε Υφιστάμενη Αρχιτεκτονική
Οι υπηρεσίες ήχου του Grok ενσωματώνονται στο ίδιο API με τα μοντέλα κειμένου και εικόνας. Χρησιμοποιείτε τα ίδια κλειδιά API, το ίδιο σύστημα χρέωσης και τον ίδιο πίνακα ελέγχου στο console.x.ai.
Αυτή η ενοποίηση απλοποιεί σημαντικά την αρχιτεκτονική: ένα ενιαίο έργο μπορεί να χρησιμοποιήσει το Grok 4.5 για συλλογισμό, το grok-build-0.1 για κώδικα, το Grok Imagine για οπτικά στοιχεία και τον Πράκτορα Φωνής για προφορική αλληλεπίδραση, όλα με έναν μόνο λογαριασμό προγραμματιστή.
Τιμολόγηση επαληθεύτηκε στις 3 Νοεμβρίου 2026 — οι τιμές αλλάζουν τακτικά: πριν από οποιοδήποτε υπολογισμό προϋπολογισμού, ελέγξτε τον τρέχοντα τιμοκατάλογο στην επίσημη σελίδα τιμολόγησης της xAI.
Βασικά σημεία
- Ο Πράκτορας Φωνής κοστίζει 0,08 $/λεπτό (4,80 $/ώρα) για συνομιλίες σε πραγματικό χρόνο
- Το TTS κοστίζει 15 $ ανά εκατομμύριο χαρακτήρες για σύνθεση φωνής
- Πράκτορας Φωνής: 10 έως 200 ταυτόχρονες συνεδρίες ανά επίπεδο
- TTS: 100 ταυτόχρονα αιτήματα
- Πράκτορας Φωνής = αμφίδρομο, TTS = μονόδρομο
- Οι αναβαθμίσεις επιπέδου για Φωνή/Imagine απαιτούν χειροκίνητο αίτημα