Grok Voice: hääleagendid ja 21 uut häält
Sellel lehel
Uuendatud 2. novembril 2026 — hääl. Grok Voice 3.0 (14. oktoober 2026) asendab vananenud Grok Voice 2.0 sama hinnaga 0,08 dollarit minuti kohta; alias
grok-voice-latestviitab versioonile 3.0. Transkriptsiooni jaoks on vaikimisi mudeliksgrok-voice-transcribe-2.0; versioon 1.0 jõudis elutsükli lõppu 2. oktoobril 2026. Lisandus 3. novembril 2026: Allpool olevat tabelit on uuendatud (hääleagendi hind on 4,80 dollarit tunni asemel 3 dollarit, mis fikseeriti 28. juulil) ja kataloog sisaldab nüüd 28 sisseehitatud häält. Allikad: Hinnakiri · Tekst kõneks.
xAI hääledivisjon oli pikka aega tootevaliku tagasihoidlikum liige: kindel ja dokumenteeritud API, kuid sisuliselt reserveeritud arendusvõimekusega meeskondadele. 2026. aasta juuli alguses muutsid olukorda kaks järjestikust teadaannet. Neid tasub lugeda koos, kuna need kirjeldavad kahte erinevat sisenemispunkti samasse tootesse.
Kaks teadaannet, kaks sihtgruppi
Esimene saabus 1. juulil: Voice Agent Builder. Tööriist lubab luua kohandatud hääleagendi „vähem kui 2 minutiga, ilma ühtegi koodirida kirjutamata“. Praktikas määratled agendi rolli, valid selle hääle, sisestad vajaliku teadmiste baasi ja seejärel viid selle kasutusele – kõik see käib liidese kaudu, ilma kodeerimiseta. See täidab täpselt selle lünga, mis xAI häälepakkumises puudus: ärijuht, kes soovib luua prototüübi klienditeenindusele või automaatsele kõnekeskusele, kaasamata arendusmeeskonda. API ei kao kuhugi; see jääb teeiks sügavateks integratsioonideks, kus hääleagent peab suhtlema sinu CRM-i või piletisüsteemiga.
Viis päeva hiljem, 6. juulil, teatas xAI 21 uuest mitmekeelsest „lipulaeva“ häälest Grok Voice’i jaoks ning parandas samal ajal algsete viie hääle loomulikkust. Sinu jaoks on see mitmekeelsuse laienemine oluline: ingliskeelne hääleagent on usutav vaid siis, kui ka hääl ise on seda. Enne projekti jaoks valiku lukustamist võta aega, et kuulata sihtkeeles saadaolevaid hääli – väljund erineb hääleti oluliselt ja hääle vahetamine pärast klienditeeninduse käivitamist on alati raskem kui alguses õige valiku tegemine.
Mis maksab Voice API
Hinnakiri, mis on avaldatud aadressil docs.x.ai (fikseeritud 3. novembril 2026), mahub nelja reale ja on lihtne tabelandmestik:
| Komponent | Hind |
|---|---|
| Hääleagent (reaalaegne, grok-voice-3.0) | 0,08 dollarit minuti kohta ehk 4,80 dollarit tunni kohta, pluss 0,004 dollarit tekstisisendi kohta |
| Tekst kõneks (TTS) | 15 dollarit miljoni märgi kohta |
| Partii-transkriptsioon (STT batch) | 0,10 dollarit tunni kohta |
| Voogedastus-transkriptsioon (STT streaming) | 0,20 dollarit tunni kohta |
Kõige huvitavam rida on esimene ja mitte ainult summa pärast. Hääleagendi eest tasutakse tunni, mitte tokenite põhjal. Otsene tagajärg: kõnekeskuse või klienditeeninduse eelarve on kiiresti arvutatav. Kui sinu teenindus haldab kuus 200 tundi vestlusi, tead, et arve on 960 dollarit – sõltumata vestluse sõnaohtrusest või vastuste keerukusest. See on kulude mudel, mida rahandusmeeskonnad mõistavad koheselt, samas kui tokenipõhine arveldamine nõuab alati ebakindlaid prognoose.
Kahe transkriptsioonirežiimi vaheline erinevus räägib oma lugu. Partii-transkriptsioon maksab 0,10 dollarit tunni kohta, voogedastus-transkriptsioon 0,20 dollarit: reaalajas töötlemine maksab täpselt kaks korda rohkem. See on klassikaline tööstusmuster, mis kutsub esile lihtsa refleksi: maksa voogedastuse eest vaid seal, kus vahetu reaktsioon on kasutusjuhu jaoks hädavajalik. Otsekoosoleku subtiitrid õigustavad reaalaja töötlemist; kõnesalvestiste järelanalüüsiks transkribeerimine aga mitte – partii-režiim teeb sama töö poole odavamalt.
Mida see muudab sinu olemasolevates teadmistes
Kui läbisid meie kursused „Grok Voice & Audio“, „Voice Agent API“ ja „TTS API“, siis midagi seal õpitust ei ole iganenud. Rakendamise mehhanika – reaalaja WebSocket, hääleaktiivsuse tuvastamine (VAD), helivormingud – on täpselt selline, nagu nendes kursustes kirjeldatud. Lisandunud on vaid kiht selle peale: kodeerimiseta tööriist kiireks prototüüpimiseks, oluliselt laienenud häälte kataloog ja ülalolev uuendatud hinnakiri, mis võimaldab projekti maksumust hinnata enne esimese koodirea kirjutamist.
Praktikas koosneb uue teemaga alustava meeskonna õige lähenemine nüüd prototüüpimisest Voice Agent Builderis – kahest minutist piisab, et kuulda, kuidas sinu kasutusjuhtum kõlaks – ja seejärel, kui prototüüp veenab, üleminekule API-le tegelikuks integratsiooniks. Pöördjärjekord, alustades koodist, ei ole enam idee valideerimiseks mõistlik.
Ametlik allikas: docs.x.ai/developers/models ja x.ai/news
Peamised punktid
- Voice Agent Builder: loo hääleagent ilma kodeerimiseta (1. juuli)
- 21 uut mitmekeelset häält teatati 6. juulil; kataloogis on 3. novembri seisuga 28 häält
- Hääleagent: 4,80 dollarit tunni kohta (fikseeritud 3. novembril; 28. juuli kirjes oli 3 dollarit) – eelarve arvutatakse aja, mitte tokenite põhjal
- Transkriptsioon: 0,10 $/tunnis partii-režiimis, 0,20 $/tunnis voogedastuses – tasu reaalaja eest targalt