Aithin an tAighne Guth Grok
Ar an leathanach seo
Nuashonraithe an 3 Samhain, 2026. Tagann Grok Voice 3.0, a eisíodh an 14 Deireadh Fómhair, 2026, in ionad Grok Voice 2.0 atá curtha ar ceal, ag an bpraghas céanna de $0.08 in aghaidh na nóiméide, agus anois déanann an t-ailias
grok-voice-latestpointeáil chuig 3.0. Maidir le tras-scríobh, is égrok-voice-transcribe-2.0an tsamhail réamhshocraithe; tháinig deireadh saoil le leagan 1.0 an 2 Deireadh Fómhair, 2026. Foinse: Praghsáil · Teorainneacha ráta.
Aighne gutha comhrá fíor-ama
Ligeann API Aighne Guth Grok duit cúntóirí a thógáil a bhíonn i mbun comhráite beo labhartha le do chuid úsáideoirí. Is é an ailtireacht an rud a chuireann ar leith é ó shocrú clasaiceach. Sa chur chuige clasaiceach, slabhraítear trí sheirbhís, gach ceann acu taobh thiar dá ghlaonna HTTP féin: ó chaint go téacs, freagra téacs, agus ansin ó théacs go caint. Ina ionad sin, sruthaíonn an tAighne Guth gach rud trí nasc WebSocket seasmhach amháin. Labhraíonn an t-úsáideoir, agus éisteann an tsamhail, tuigeann sí, agus freagraíonn sí os ard, gan aon turas timpeall trí bhealach ar an líonra.

Cloiseann tú an difríocht láithreach. Fágann píblíne trí chéim bearna de roinnt céadta millisoicind i ndiaidh gach abairte. Braitheann comhrá leis an Aighne Guth níos cosúla le glao gutháin: leanann an taobh eile ar aghaidh ónar fhág tú, is féidir leat isteach a ghearradh, agus leanann sé air. Is é an leanúnachas sin an rud a scarann roghchlár gutháin a fhulaingíonn custaiméirí ó chúntóir a bhfuil sásamh ag daoine ag caint leis.
Conas a oibríonn an nasc
Riteann gach rud thar WebSocket, a choinníonn cainéal dhá bhealach oscailte idir d’aip agus xAI. Déan nasc leis an bpointe deiridh wss://api.x.ai/v1/realtime agus cuir do eochair API sa cheanntásc údaraithe, díreach mar a dhéanfá le glaonna REST:
const ws = new WebSocket("wss://api.x.ai/v1/realtime", {
headers: {
"Authorization": "Bearer " + XAI_API_KEY
}
});
Freagraíonn an freastalaí le himeacht session.created chun a dheimhniú go bhfuil an nasc oscailte. Ná meas go bhfuil an nasc réidh go dtí go dtagann an t-imeacht sin: is é sin do chomhartha chun do chumraíocht a sheoladh i teachtaireacht session.update. Féadfaidh aip a sheolann a cumraíocht sula dtagann session.created chun bheith mírialta ag am tosaithe.
An lúb fuaime
Nuair a bhíonn an seisiún cumraithe, sreabhann sonraí i lúb shainithe go maith. Gabhann d’aip fuaim ón micreafón, ionchódaíonn sé í i mbonn64, agus seolann sé í i smután beaga le input_audio_buffer.append. Tá an t-ionchur leanúnach: ní fhanann tú go gcríochnaíonn an t-úsáideoir abairt sula dtosaíonn tú ag seoladh. I rith an ama sin, ritheann an freastalaí braiteacht gníomhaíochta gutha (VAD), a aimsíonn leis féin cathain a thosaíonn agus a stopann an t-úsáideoir ag caint. Ansin déanann Grok próiseáil ar an méid a dúradh, léirmhíníonn sé é i gcomhthéacs an chomhrá, agus gineann sé freagra. Sruthaíonn an fuaim freagra ar ais chugat trí response.output_audio.delta, smután ar smután, i mbonn64 freisin.
Is é an tairbhe a bhaineann leis an dearadh seo ná nach scríobhann tú aon loighic tógála seala ar fad. Ní chinneann tú cathain a bhíonn an t-úsáideoir críochnaithe, agus ní spreagann tú an ghiniúint tú féin. Déanann an freastalaí é, agus ní dhéanann tusa ach an fhuaim a sheinm de réir mar a thagann sí. Déantar an lúb arís agus arís eile go dtí go gcríochnaíonn an comhrá.
Cad is féidir leis an aighne a dhéanamh agus é ag caint
Ní hamháin go bhféadfadh an tAighne Guth comhrá a dhéanamh: is féidir leis uirlisí a ghlaonna i lár comhrá. Tá cuardach gréasáin aige le haghaidh faisnéise fíor-ama, cuardach X le haghaidh postáltaí ar an ardán, feidhmeanna saincheaptha chun do chuid API féin a ghlaonna, cuardach comhaid chun breathnú trí bhailiúcháin de dhoiciméid veicteoirithe, agus naisc le freastalaithe MCP (Prótacal Comhthéacs Samhla) chun rochtain a fháil ar uirlisí seachtracha caighdeánaithe.
Seo mar a fheictear é i gcleachtas. Glaoíonn custaiméir chun stádas ordaithe a sheiceáil. Agus an t-aighne á choinneáil compordach le habairt nó dhó, déanann sé ceist ar do bhunachar sonraí trí fheidhm shaincheaptha, agus ansin léann sé an dáta seachadta amach. Nó samhlaigh cúntóir sceidealaithe a sheiceálann féilire trí fhreastalaí MCP agus a thairgeann trí shliotán ama láithreach. Ar aon chuma, ní thugann an t-úsáideoir faoi deara gur glaodh ar API.
Srialta le pleanáil ón gcéad lá
Cruthaíonn dhá theorainn d’ailtireacht. Is é an chéad cheann líon na seisiúin chomhuaineacha: 10 ar an leibhéal iontrála, ansin 20, 50, 100, agus 200 ag brath ar leibhéal do fhoirne. Déan comparáid idir an uimhir sin agus do mhéid glaotha buaic sula dtéann tú go dtí an táirgeadh. Is é an dara ceann ná costas: $0.08 in aghaidh na nóiméide, nó $4.80 in aghaidh na huaire, móide $0.004 in aghaidh an ionchuir téacs. Billeáiltear in aghaidh na nóiméide, mar sin dún seisiúin nach bhfuil á n-úsáid ag duine ar bith. Ní shocraíonn an doiciméadú reatha uasmhéid fad seisiúin. I gcás comhráite fada, nó tar éis nasc titime, déanann athshlánú seisiúin athsheinm ar an stair, a choinnítear ar feadh 30 nóiméad tar éis an ghníomhaíochta deireanaí. Is é 24 kHz PCM an réamhshocrú don fhuaim, agus is féidir leat an formáid a athrú chun oiriúnú do do chainéal.
Seiceáladh praghsanna an 3 Samhain, 2026. Athraíonn praghsanna go minic: sula ndéanann tú buiséadú ar rud ar bith, seiceáil na rátaí reatha ar an leathanach oifigiúil praghsála xAI.
Príomhphointí
- Riteann Aighne Guth Grok thar WebSocket le haghaidh comhráite gutha fíor-ama
- Ritheann braiteacht gníomhaíochta gutha (VAD) ar an bhfreastalaí, rud a choinníonn do chód simplí
- Is féidir leis an aighne uirlisí a úsáid (gréasán, X, feidhmeanna, comhaid, MCP) le linn an chomhrá
- Costas: $0.08 in aghaidh na nóiméide ($4.80 in aghaidh na huaire); bíonn seisiúin chomhuaineacha idir 10 agus 200 ag brath ar do leibhéal