Hääleagent ja TTS
Sellel lehel
Uuendatud 3. novembril 2026. Põhineb lehtedel Pricing, Rate Limits, Text to Speech ja xAI väljalaskemärkmetel: hääleagent maksab 0,08 dollarit minuti kohta (mitte 0,05), TTS maksab 15 dollarit miljoni märgi kohta (mitte 4,20), samaaegsed seansid sõltuvad tasemest (mitte 100 ega 30 minutit seansi kohta), TTS on saadaval alates märtsist 2026; tasemed kehtivad automaatselt häälemudelitele, Imagine’i puhul tuleb võtta ühendust müügiosakonnaga. Allikad: Pricing · Rate limits · Release notes.
Groki helivõimalused
xAI pakub oma API kaudu kahte heliteenust: hääleagent (kõne-kõne API), mis on saadaval alates detsembrist 2025 reaalajas vestlusteks, ja tekst-kõne (TTS), mis on saadaval alates märtsist 2026 hääle sünteesiks. Need teenused võimaldavad sul luua täielikke häälel põhinevaid vestlusliideseid, alates automatiseeritud telefonisüsteemidest kuni põimitud hääleassistentideni.
Hääleagendi API
Hääleagendi API võimaldab sul luua kahesuunalisi reaalajas häälevestlusi. Kasutaja räägib, mudel kuulab, mõistab ja vastab suuliselt – kõik seda piisavalt väikese viiteajaga, et vestlus oleks loomulik.
Põhiomadused
- Mudel:
grok-voice-3.0, millele viitab aliasgrok-voice-latest - Samaaegsed seansid: sisendtase 10, seejärel tasemeti 20, 50, 100 ja 200
- Hind: 0,08 dollarit minuti kohta ehk 4,80 dollarit tunni kohta, pluss 0,004 dollarit tekstisisendi kohta
- Reaalajas: viiteaeg on optimeeritud loomulikuks vestluseks
Kasutusjuhtumid
Hääleagent on loodud stsenaariumide jaoks, kus häälel põhinev suhtlus lisab tekstiga võrreldes väärtust:
- Automatiseeritud klienditeenindus – telefoni tervitus, kõnede suunamine, vastused sagedastele küsimustele
- Põimitud hääleassistendid – mobiilirakendustes või IoT-seadmetes
- Häälepõhine õpetamine – hariduslik tugi hääle teel
- Ligipääsetavus – hääleliides kasutajatele, kes ei saa või eelistavad mitte trükkida
Kulude kaalutlused
Hinnaga 4,80 dollarit tunnis on hääleagent ökonoomne lühikeste ja juhuslike suhtluste jaoks. Suure mahuga teenuste puhul võivad kulud aga märkimisväärseks kasvada. Kõnekeskus, mis haldab kuus 1000 tundi vestlusi, tähendaks 4800-dollarist eelarvet.
Tasemesüsteem kehtib häälemudelitele samamoodi nagu teksti mudelitele: tase sõltub sinu kogukuludest ja see kunagi ei lange. Imagine’i piirangute suurendamiseks pead siiski võtma ühendust xAI müügiosakonnaga.
Tekst-kõne (TTS)
TTS-teenus teisendab teksti kõrgkvaliteediliseks sünteetiliseks kõneks. Arveldamine toimub teisendatud teksti mahu põhjal.
Hinnad ja piirangud
| Teenuse nimi | Hind | Piirang |
|---|---|---|
| Tekst-kõne | 15 $ / 1 miljon märki | 50 päringut sekundis ja sisendtase 100 samaaegset seanssi |
Kulude hindamiseks: 5000-märgilise ajaveebi postituse heliks teisendamine maksaks umbes 0,075 dollarit. 500 000-märgiline heliraamat maksaks umbes 7,50 dollarit.
Saadaolevad hääled
xAI pakub (seisuga 3. november 2026) 28 sisseehitatud häält, mis on ühised nii TTS-ile kui ka hääleagendile, erinevate toonide ja kasutusvaldkondadega, samuti kohandatud hääli, mis on loodud lühikesest helilõigust. Valid hääle API päringu esitamise ajal, mis võimaldab sul kohandada häält kontekstiga – professionaalne hääl aruande jaoks, soe hääl õpetuse jaoks.
TTS-i rakendused
- Automatiseeritud podcastid – muuda oma ajaveebi postitused helisisuks
- Jutustus – lisa oma haridusrakendustele helikiht
- Ligipääsetavus – tee tekstisisu nägemispuudega kasutajatele kättesaadavaks
- Hääleteavitused – räägitud hoiatused ja meeldetuletused rakendustes
- Mitmekeelne sisu – genereeri heliversioone erinevates keeltes
Hääleagent vs TTS: kumba teenust valida?
Erinevus on lihtne:
- Hääleagent: interaktiivseteks reaalajas vestlusteks. Kasutaja räägib, mudel vastab. See on kahesuunaline.
- TTS: teksti ühesuunaliseks teisendamiseks kõneks. Puudub interaktsioon, tegemist on puhta hääle sünteesiga.
Kui ehitas vestlusassistenti, vajad hääleagenti. Kui soovid lihtsalt teksti ette lugeda, piisab TTS-ist.
Integreerimine olemasolevasse arhitektuuri
Groki heliteenused integreeritakse samasse API-sse, mida kasutavad teksti- ja pildimudelid. Kasutad samu API-võtmeid, sama arveldussüsteemi ja sama armatuurlauda aadressil console.x.ai.
See ühtlustamine lihtsustab arhitektuuri oluliselt: üks projekt saab kasutada Grok 4.5 arutlemiseks, grok-build-0.1 kodeerimiseks, Grok Imagine’i visuaalide loomiseks ja hääleagenti suuliseks suhtluseks – kõike seda ühe arendajakontoga.
Hinnad kontrollitud 3. novembril 2026 – hinnad muutuvad regulaarselt: enne eelarve arvutamist kontrolli kehtivat hinnakirja xAI ametlikul hinnalehel.
Peamised punktid
- Hääleagent maksab reaalajas vestluste eest 0,08 $/min (4,80 $/h)
- TTS maksab hääle sünteesi eest 15 dollarit miljoni märgi kohta
- Hääleagent: tasemeti 10 kuni 200 samaaegset seanssi
- TTS: 100 samaaegset päringut
- Hääleagent = kahesuunaline, TTS = ühesuunaline
- Hääle/Imagine’i taseme tõstmine nõuab käsitsi esitatud taotlust