Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Grok Voice: Πράκτορες Φωνής και 21 Νέες Φωνές

Μάθημα 5 / 12 Ενημερώθηκε 3 Νοεμβρίου 2026 Μέσου επιπέδου
Σε αυτήν τη σελίδα
  1. Δύο ανακοινώσεις, δύο κοινά
  2. Κόστος του Voice API
  3. Τι αλλάζει για τις υπάρχουσες γνώσεις σας
  4. Βασικά σημεία

Ενημερώθηκε στις 2 Νοεμβρίου 2026 — φωνή. Το Grok Voice 3.0 (14 Οκτωβρίου 2026) αντικαθιστά το παρωχημένο Grok Voice 2.0 στην ίδια τιμή των $0.08 ανά λεπτό· το ψευδώνυμο grok-voice-latest δείχνει στην έκδοση 3.0. Για τη μεταγραφή, το προεπιλεγμένο μοντέλο είναι το grok-voice-transcribe-2.0· η έκδοση 1.0 έφτασε στο τέλος του κύκλου ζωής της στις 2 Οκτωβρίου 2026. Συμπλήρωμα 3 Νοεμβρίου 2026: Ο παρακάτω πίνακας έχει ενημερωθεί (πράκτορας φωνής στα $4.80 ανά ώρα αντί για $3 που καταγράφηκαν στις 28 Ιουλίου) και ο κατάλογος περιλαμβάνει πλέον 28 ενσωματωμένες φωνές. Πηγές: Τιμολόγηση · Κείμενο σε Ομιλία.

Το τμήμα φωνής της xAI ήταν εδώ και καιρό το «ήσυχο αδερφάκι» της γκάμας προϊόντων: ένα αξιόπιστο και τεκμηριωμένο API, αλλά ουσιαστικάreserved για ομάδες με ικανότητες προγραμματισμού. Στις αρχές Ιουλίου 2026, δύο διαδοχικές ανακοινώσεις άλλαξαν αυτό το τοπίο. Αξίζει να τις μελετήσετε μαζί, καθώς οριοθετούν δύο distinct σημεία εισόδου στο ίδιο προϊόν.

Δύο ανακοινώσεις, δύο κοινά

Η πρώτη έφτασε την 1η Ιουλίου: ο Δημιουργός Πρακτόρων Φωνής (Voice Agent Builder). Το εργαλείο υπόσχεται τη δημιουργία ενός προσαρμοσμένου πράκτορα φωνής «σε λιγότερο από 2 λεπτά, χωρίς ούτε μία γραμμή κώδικα». Στην πράξη, ορίζετε τον ρόλο του πράκτορα, επιλέγετε τη φωνή του, παρέχετε τις γνώσεις του και στη συνέχεια τον αναπτύσσετε — όλα μέσω μιας διεπαφής, χωρίς συγγραφή κώδικα. Αυτό ακριβώς έλειπε από την προσφορά φωνής της xAI: ο διευθυντής επιχείρησης που θέλει να δημιουργήσει ένα πρωτότυπο για τηλεφωνικό κέντρο ή αυτοματοποιημένο τηλεφωνητή χωρίς να δεσμεύσει μια ομάδα ανάπτυξης. Το API δεν εξαφανίζεται· παραμένει η διαδρομή για βαθιές ενσωματώσεις, όπου ο πράκτορας φωνής πρέπει να συνομιλεί με το CRM ή το σύστημα ticketing σας.

Πέντε ημέρες αργότερα, στις 6 Ιουλίου, η xAI ανακοίνωσε 21 νέες πολύγλωσσες φωνές «ναυαρχίδες» για το Grok Voice, βελτιώνοντας παράλληλα τη φυσικότητα των αρχικών πέντε. Για εσάς, αυτή η πολύγλωσση επέκταση έχει σημασία: ένας πράκτορας φωνής στα Αγγλικά είναι αξιόπιστος μόνο αν είναι και η ίδια η φωνή. Πριν κλειδώσετε μια επιλογή για ένα έργο, αφιερώστε χρόνο για να ακούσετε τις διαθέσιμες φωνές στη γλώσσα-στόχο σας· η απόδοση varies σημαντικά από φωνή σε φωνή και η αλλαγή φωνής μετά την εκκίνηση μιας υπηρεσίας εξυπηρέτησης πελατών είναι πάντα πιο δύσκολη από το να επιλέξετε σωστά εξαρχής.

Κόστος του Voice API

Ο πίνακας τιμολόγησης που δημοσιεύτηκε στο docs.x.ai (καταγράφηκε στις 3 Νοεμβρίου 2026) χωράει σε τέσσερις γραμμές και αποτελεί απλά δεδομένα πίνακα:

ΣτοιχείοΤιμή
Πράκτορας φωνής (πραγματικός χρόνος, grok-voice-3.0)$0.08 ανά λεπτό, ή $4.80 ανά ώρα, συν $0.004 ανά εισαγωγή κειμένου
Μετατροπή κειμένου σε ομιλία (TTS)$15 ανά εκατομμύριο χαρακτήρες
Μεταγραφή παρτίδας (STT batch)$0.10 ανά ώρα
Μεταγραφή ροής (STT streaming)$0.20 ανά ώρα

Η πιο ενδιαφέρουσα γραμμή είναι η πρώτη, και όχι μόνο για το ποσό. Ο πράκτορας φωνής χρεώνεται ανά ώρα, όχι ανά token. Η άμεση συνέπεια: ο προϋπολογισμός για ένα τηλεφωνικό κέντρο ή γραμμή υποστήριξης υπολογίζεται γρήγορα. Αν η υπηρεσία σας διαχειρίζεται 200 ώρες συνομιλίας ανά μήνα, γνωρίζετε ότι ο λογαριασμός θα είναι $960 — ανεξάρτητα από την πολυλογία της ανταλλαγής, ανεξάρτητα από την πολυπλοκότητα της απάντησης. Αυτό είναι ένα μοντέλο κόστους που οι οικονομικές ομάδες κατανοούν άμεσα, whereas η χρέωση βάσει tokens απαιτεί πάντα εύθραυστες προβλέψεις.

Η διαφορά μεταξύ των δύο τρόπων μεταγραφής αφηγείται επίσης μια ιστορία. Η μεταγραφή παρτίδας κοστίζει $0.10 ανά ώρα, η μεταγραφή ροής $0.20: ο πραγματικός χρόνος κοστίζει ακριβώς τα διπλά. Αυτό είναι το κλασικό μοτίβο της βιομηχανίας και επιβάλλει έναν απλό αντανακλαστικό reflex: πληρώνετε για ροή μόνο όπου η αμεσότητα εξυπηρετεί πραγματικά την περίπτωση χρήσης. Οι υπότιτλοι σε ζωντανές συναντήσεις δικαιολογούν τον πραγματικό χρόνο· η μεταγραφή ηχογραφήσεων κλήσεων για ανάλυση εκ των υστέρων ουδέποτε το δικαιολογεί — η παρτίδα κάνει την ίδια δουλειά στη μισή τιμή.

Τι αλλάζει για τις υπάρχουσες γνώσεις σας

Αν παρακολουθήσατε τα μαθήματά μας «Grok Voice & Audio», «Voice Agent API» και «TTS API», τίποτα από όσα μάθατε εκεί δεν είναι ξεπερασμένο. Οι μηχανισμοί υλοποίησης — WebSocket πραγματικού χρόνου, ανίχνευση φωνητικής δραστηριότητας (VAD), μορφές ήχου — παραμένουν ακριβώς όπως περιγράφονται σε εκείνα τα μαθήματα. Αυτό που προστίθεται είναι ένα επιπλέον layer: ένα εργαλείο χωρίς κώδικα για γρήγορο πρωτοτυποποίηση, ένας σημαντικά διευρυμένος κατάλογος φωνών και ο παραπάνω πίνακας τιμολόγησης, ενημερωμένος, που σας επιτρέπει να κοστολογήσετε ένα έργο πριν γράψετε την πρώτη γραμμή κώδικα.

Στην πράξη, η σωστή προσέγγιση για μια ομάδα που ξεκινά τώρα το θέμα consiste στο να δημιουργήσει πρωτότυπο στον Δημιουργό Πρακτόρων Φωνής — δύο λεπτά αρκούν για να ακούσετε πώς θα sounded η περίπτωση χρήσης σας — και στη συνέχεια, αν το πρωτότυπο πείσει, να μεταβείτε στο API για την πραγματική ενσωμάτωση. Η αντίστροφη σειρά, ξεκινώντας με κώδικα, δεν έχει πλέον νόημα για την επικύρωση μιας ιδέας.

Επίσημη πηγή: docs.x.ai/developers/models και x.ai/news

Βασικά σημεία

  • Δημιουργός Πρακτόρων Φωνής (Voice Agent Builder): δημιουργία πράκτορα φωνής χωρίς κώδικα (1η Ιουλίου)
  • 21 νέες πολύγλωσσες φωνές ανακοινώθηκαν στις 6 Ιουλίου· 28 φωνές στον κατάλογο από τις 3 Νοεμβρίου
  • Πράκτορας φωνής: $4.80 ανά ώρα (καταγράφηκε στις 3 Νοεμβρίου· $3 στην καταγραφή της 28ης Ιουλίου) — ένας προϋπολογισμός που υπολογίζεται σε χρόνο, όχι σε tokens
  • Μεταγραφή: $0.10/ώρα για παρτίδα, $0.20/ώρα για ροή — πληρώστε για τον πραγματικό χρόνο με σύνεση