WebSocket krajnja točka i veza u stvarnom vremenu
Na ovoj stranici
Ažurirano 3. studenoga 2026., na temelju xAI stranica Speech to Speech, Pricing i Rate limits: 0,08 USD po minuti, istodobne sesije prema razini te
grok-voice-3.0kao trenutni model. Izvori: Speech to Speech · Pricing · Rate limits.
Voice Agent API u stvarnom vremenu
Grok Voice Agent API omogućuje ti izgradnju glasovnih agenata za razgovor koji komuniciraju s tvojim korisnicima u stvarnom vremenu. Za razliku od klasičnih REST API-ja koji funkcioniraju zahtjev-po-zahtjev, ovaj API koristi protokol WebSocket kako bi održao trajnu dvosmjernu vezu otvorenom između tvoje aplikacije i xAI poslužitelja.

Postoji samo jedna krajnja točka:
wss://api.x.ai/v1/realtime
Model odabireš pomoću URL parametra model, primjerice wss://api.x.ai/v1/realtime?model=grok-voice-latest. grok-voice-latest upućuje na grok-voice-3.0, trenutni model, koji je ujedno i zadani. U produkcijskom okruženju xAI preporučuje fiksiranje imenovane verzije.
Ova jedina krajnja točka upravlja cijelim životnim ciklusom glasovnog razgovora: prima audio, detektira govor, generira odgovor i šalje natrag sintetizirani audio.
Uspostavljanje WebSocket veze
Za povezivanje stavi svoj xAI API ključ u zaglavlje za autorizaciju. Evo primjera u JavaScriptu:
const ws = new WebSocket("wss://api.x.ai/v1/realtime", {
headers: {
"Authorization": "Bearer " + process.env.XAI_API_KEY
}
});
ws.on("open", () => {
console.log("WebSocket connection established");
});
ws.on("message", (data) => {
const event = JSON.parse(data);
console.log("Event received:", event.type);
});
ws.on("close", (code, reason) => {
console.log("Connection closed:", code, reason);
});
ws.on("error", (err) => {
console.error("WebSocket error:", err);
});
U Pythonu možeš koristiti biblioteku websockets:
import asyncio
import websockets
import json
import os
async def connect():
uri = "wss://api.x.ai/v1/realtime"
headers = {
"Authorization": f"Bearer {os.environ['XAI_API_KEY']}"
}
async with websockets.connect(uri, additional_headers=headers) as ws:
async for message in ws:
event = json.loads(message)
print(f"Event: {event['type']}")
asyncio.run(connect())
Životni ciklus sesije
Čim se WebSocket veza otvori, poslužitelj šalje događaj session.created kojim potvrđuje da je sesija aktivna. Zatim šalješ događaj session.update kako bi konfigurirao razgovor (glas, upute, alati, detekcija okretanja).
Tipičan ciklus izgleda ovako:
- Povezivanje: otvori WebSocket s autentifikacijom
- Konfiguracija: pošalji
session.updatesa svojim postavkama - Potvrda: primi
session.updatedod poslužitelja - Razgovor: razmjenjuj audio i tekstualne događaje
- Zatvaranje: uredno prekini WebSocket vezu
Rukovanje pogreškama pri povezivanju
Poslužitelj može zatvoriti ili odbiti vezu iz nekoliko razloga: pogreška u autentifikaciji, premašenje limita istodobnih sesija tvoje razine (10 na početnoj razini, do 200 na najvišoj) ili incident. Trenutna dokumentacija ne postavlja maksimalno trajanje sesije, a nastavak sesije (lekcija 4) omogućuje ti da nastaviš razgovor nakon prekida. Tvoja aplikacija treba uključivati logiku ponovnog povezivanja s eksponencijalnim kašnjenjem (exponential backoff).
Cijene provjerene 3. studenoga 2026. Cijene se često mijenjaju: prije bilo kakvog planiranja proračuna, provjeri trenutne stope na službenoj xAI stranici s cjenikom.
Ključne točke
- WebSocket krajnja točka
wss://api.x.ai/v1/realtimejedina je ulazna točka za sve glasovne razgovore - Autentificiraš se pomoću zaglavlja
Authorization: Bearer {API ključ} - Broj istodobnih sesija ovisi o tvojoj razini: 10 na početnoj razini, do 200
- Poslužitelj šalje
session.createdpri povezivanju, a zatim čeka tvojsession.updateza konfiguraciju razgovora - Cijena iznosi 0,08 USD po minuti, odnosno 4,80 USD po satu, plus 0,004 USD po tekstualnom unosu