Grok Voice: comhráite labhartha
Ar an leathanach seo
Nuashonraithe an 3 Samhain 2026, bunaithe ar leathanaigh xAI Text to Speech, Speech to Speech, Pricing, agus Rate limits: 28 guth ionsuite, praghsanna reatha, seisiúin chomhthreomhara de réir céime, agus sampla cóid a úsáideann an t-einchinne xAI
POST /v1/tts. Foinse: Text to Speech · Pricing · Rate limits.
Labhair le Grok
Tar éis téacs agus íomhánna, tagann an ghuth. Is féidir leat comhráite fíor-labhartha a bheith agat leis an gcúntóir, agus ar an toirt, ní mór duit idirdhealú a dhéanamh idir dhá sheirbhís a mheascann daoine go minic: an Gníomhaire Gutha (Voice Agent), atá deartha do chomhráite idirghníomhacha i bhfíor-am, agus Téacs-go-Guth (TTS), a thiontaíonn téacs go fuaime go simplí. Éisteann an chéad cheann agus freagraíonn sé; léann an dara ceann. Is é an rogha mícheart an chúis is coitianta a mbíonn díomá ar thionscadail ghutha.

Gníomhaire Gutha: comhrá i bhfíor-am
Is é an Gníomhaire Gutha an tseirbhís is tumtha: ligeann sé duit labhairt go díreach le Grok mar a dhéanfá le duine. Rithtear é ar nasc WebSocket a iompraíonn fuaime dhá bhealach i bhfíor-am. Labhraíonn tú isteach i do mhicreafón, éisteann Grok agus tuigeann sé do theachtaireacht go leanúnach, ansin freagraíonn sé os ard; déileálann braiteadh turna, nó VAD, le ciúnas agus aistrithe go huathoibríoch. Is é an pointe deireanach sin a scarann comhrá ó mhalartú teachtaireachtaí gutha: is féidir leat leisce a bheith ort gan go gceapfadh an córas go bhfuil tú críochnaithe, agus is féidir leat cur isteach air nuair a théann sé sa treo mícheart.
Tá fiche hocht nguth ionsuite ar fáil (faoi láthair an 3 Samhain 2026), gach ceann acu le pearsantacht ar leith, agus ba chóir duit roghnú bunaithe ar an gcás úsáide seachas blas pearsanta. Na cúig ghuth bunaidh, mar a chuireann xAI síos orthu:
| Guth | Carachtar |
|---|---|
| Eve | Fuinniúil agus dearfach, blas Briotanach |
| Ara | Te agus cairdiúil |
| Rex | Muiníneach agus soiléir |
| Sal | Réidh agus cothromaithe |
| Leo | Údarásach agus cumhachtach, blas Briotanach |
Grúpáiltear an fiche trí cinn eile, atá níos déanaí, ag xAI de réir cás úsáide (tacaíocht, narráid, oideachas, fógraíocht, folláine) ar an leathanach Text to Speech ina chuid doiciméadachta.
Téann an seachadadh thar timbre an ghutha. Saibhríonn clibeanna sléachtúla na freagraí: socraíonn sosanna rithim nádúrtha, éascaíonn gáire nóiméad, cruthaíonn cogarnaíocht mothú dlúthchaidrimh. Úsáidte go measartha, déanann siad an difríocht idir guth incháilte agus ceann a éisteann daoine leis go dtí an deireadh; i ngach abairt, bíonn an éifeacht contrártha acu.
Is féidir leis an nGníomhaire Gutha uirlisí a ghlaoidh le linn an chomhrá freisin: cuardaigh ghréasáin i bhfíor-am, breathnú ar bhunachair shonraí, glaonna ar APIanna saincheaptha. Iarrann tú faisnéis nuashonraithe os ard, agus freagraíonn Grok os ard leis an toradh. Is féidir le cúntóir tacaíochta stádas iarbhír ordaithe a sheiceáil in ionad nós imeachta ginearálta a athrá.
Téacs-go-Guth: téacs a léamh os ard
Freastalaíonn TTS ar riachtanas níos simplí: téacs scríofa a thiontú go fuaime labhartha. Úsáidtear é chun narráid a ghiniúint do fhíseáin nó do phodchraoltaí, teachtaireachtaí gutha uathoibrithe a tháirgeadh, ábhar téacs a dhéanamh inrochtana do dhaoine lagamhairc, agus fógraí gutha agus fógraí a chraoladh. Clúdaíonn an tseirbhís fiche teanga agus is féidir leis an teanga a bhrath go huathoibríoch freisin.
Ní ghlacann an glaoidh API ach cúpla líne:
import os
import requests
response = requests.post(
"https://api.x.ai/v1/tts",
headers={"Authorization": f"Bearer {os.environ['XAI_API_KEY']}"},
json={
"text": "Welcome to this course on Grok.",
"voice_id": "eve",
"language": "en",
},
)
with open("welcome.mp3", "wb") as f:
f.write(response.content)
Is comhad fuaime MP3 an toradh, réidh le seinm nó le titim isteach in eagarthóireacht.
Cad a athraíonn an guth do ghnólachtaí
Is é an chéad réimse ná seirbhís do chustaiméirí: nuair a imlonnaítear mar chúntóir gutha é, déileálann an Gníomhaire Gutha le ceisteanna coitianta agus reáchtálann sé cuardaigh i bhfíor-am, ag ionsú méideanna athfhillteacha gan glaonna a choinneáil ar feitheamh. Síneann an loighic chéanna go teileafónaíocht atá ann cheana: is féidir le xAI freagairt do do chuid uimhreacha féin thar SIP, agus plugáiltear creatlaí cosúil le LiveKit nó Pipecat isteach, gan do bhonneagar glaonna a athdhéanamh.
Freastalaíonn TTS go príomha ar tháirgeadh ábhair: faigheann do chuid alt, tuarascálacha, agus cur i láthair leagan fuaime, le guth roghnaithe don ton a theastaíonn uait. I ngach cás, tá sé tuillte ag inrochtaineacht a bheith mar chuid den dearadh ón tús seachas a bheith curtha leis ina dhiaidh sin: déanann na cumais seo IA inúsáidte do dhaoine a fhágann comhéadain téacs ar lár.
Cad a chosnaíonn sé
Costaíonn an Gníomhaire Gutha $0.08 in aghaidh na nóiméide, nó $4.80 in aghaidh na huaire, móide $0.004 in aghaidh an ionchuir téacs; ar an gcéad chéim, is féidir le foireann 10 seisiún comhthreomhara a oscailt, agus suas le 200 ar chéimeanna níos airde. Costaíonn Téacs-go-Guth $15 in aghaidh an mhilliúin carachtair, le 50 iarratas in aghaidh an tsoicind agus 100 seisiún comhthreomhara ar an gcéad chéim. Seiceáil na caipíní comhthreomhara seo roimh aon seoladh poiblí: cinntíonn siad cé mhéad glao is féidir leat a láimhseáil i gcomhthráth, agus mar thoradh ar fheachtas a sháraíonn iad bíonn glaonna ar feitheamh, ní bille níos airde.
Praghsanna seiceáilte an 3 Samhain 2026. Athraíonn praghsanna go minic: sula ndéanann tú buiséadú ar rud ar bith, seiceáil na rátaí reatha ar an leathanach praghsála oifigiúil xAI.
Príomhphointí
- Cumasaíonn an Gníomhaire Gutha comhráite labhartha i bhfíor-am le Grok thar WebSocket
- Tá 28 guth ionsuite ar fáil, le pearsantachtaí agus cásanna úsáide éagsúla
- Tiontaíonn TTS téacs go fuaime (MP3 de réir réamhshocraithe) i 20 teanga
- Is féidir leis an nGníomhaire Gutha uirlisí a úsáid (cuardach gréasáin, APIanna) le linn an chomhrá
- Tacaítear le prótacail theileafónaíochta caighdeánacha le haghaidh comhtháthaithe gnó