Grok Voice: Agenti vocali e 21 nuove voci
In questa pagina
Aggiornato il 2 novembre 2026 — voce. Grok Voice 3.0 (14 ottobre 2026) sostituisce il deprecato Grok Voice 2.0 allo stesso prezzo di 0,08 $ al minuto; l’alias
grok-voice-latestpunta alla versione 3.0. Per la trascrizione,grok-voice-transcribe-2.0è il modello predefinito; la versione 1.0 ha raggiunto la fine del ciclo di vita il 2 ottobre 2026. Supplemento del 3 novembre 2026: la tabella sottostante è aggiornata (agente vocale a 4,80 $ all’ora invece dei 3 $ registrati il 28 luglio) e il catalogo include ora 28 voci integrate. Fonti: Prezzi · Text to Speech.
La divisione voce di xAI è stata a lungo il fratello silenzioso della gamma: un’API solida e documentata, ma di fatto riservata ai team capaci di sviluppare. All’inizio di luglio 2026, due annunci successivi hanno cambiato la situazione. Merita la pena leggerli insieme perché delineano due punti di ingresso distinti verso lo stesso prodotto.
Due annunci, due pubblici
Il primo è arrivato il 1° luglio: il Voice Agent Builder. Lo strumento promette la creazione di un agente vocale personalizzato «in meno di 2 minuti, senza scrivere una riga di codice». Nella pratica, definisci il ruolo dell’agente, scegli la sua voce, fornisci le sue conoscenze e poi lo distribuisci: il tutto da un’interfaccia, senza scrivere codice. Questo risponde esattamente all’esigenza di un pubblico finora assente dall’offerta voce di xAI: il responsabile aziendale che vuole prototipare una hotline o un centralino automatico senza bloccare un team di sviluppo. L’API non scompare; rimane la via per le integrazioni profonde, quando l’agente vocale deve conversare con il tuo CRM o il tuo sistema di ticketing.
Cinque giorni dopo, il 6 luglio, xAI ha annunciato 21 nuove voci «flagship» multilingue per Grok Voice, migliorando al contempo la naturalezza delle cinque originali. Per te, questa espansione multilingue conta: un agente vocale in inglese è credibile solo se lo è anche la voce stessa. Prima di fissare una scelta per un progetto, prenditi il tempo di ascoltare le voci disponibili nella tua lingua target: l’output varia significativamente da una voce all’altra e cambiare voce dopo aver lanciato un servizio clienti è sempre più difficile che scegliere bene fin dall’inizio.
Quanto costa la Voice API
La griglia dei prezzi pubblicata su docs.x.ai (registrata il 3 novembre 2026) sta in quattro righe ed è un dato tabellare semplice:
| Componente | Prezzo |
|---|---|
| Agente vocale (real-time, grok-voice-3.0) | 0,08 $ al minuto, ovvero 4,80 $ all’ora, più 0,004 $ per input testuale |
| Text-to-speech (TTS) | 15 $ per milione di caratteri |
| Trascrizione batch (STT batch) | 0,10 $ all’ora |
| Trascrizione in streaming (STT streaming) | 0,20 $ all’ora |
La riga più interessante è la prima, e non solo per l’importo. L’agente vocale viene fatturato a ore, non a token. La conseguenza diretta: il budget per un call center o una hotline si calcola velocemente. Se il tuo servizio gestisce 200 ore di conversazione al mese, sai che la fattura sarà di 960 $, indipendentemente dalla verbosità dello scambio o dalla complessità della risposta. È un modello di costo che i team finanziari capiscono immediatamente, mentre la fatturazione a token richiede proiezioni sempre fragili.
Anche il divario tra le due modalità di trascrizione racconta qualcosa. La trascrizione batch costa 0,10 $ all’ora, quella in streaming 0,20 $: il real-time costa esattamente il doppio. È lo schema classico del settore e impone un semplice riflesso: paga per lo streaming solo quando l’immediatezza serve davvero al caso d’uso. I sottotitoli per riunioni in diretta giustificano il real-time; trascrivere registrazioni di chiamate per analisi successive, no: il batch fa lo stesso lavoro a metà prezzo.
Cosa cambia per le tue conoscenze esistenti
Se hai seguito i nostri corsi «Grok Voice e Audio», «Voice Agent API» e «TTS API», nulla di ciò che hai imparato lì è obsoleto. I meccanismi di implementazione — WebSocket in tempo reale, rilevamento dell’attività vocale (VAD), formati audio — restano esattamente come descritti in quei corsi. Ciò che si aggiunge è uno strato superiore: uno strumento no-code per prototipare velocemente, un catalogo voci notevolmente ampliato e la griglia dei prezzi sopra riportata, aggiornata, che ti permette di stimare il costo di un progetto prima di scrivere la prima riga di codice.
Nella pratica, l’approccio giusto per un team nuovo all’argomento consiste ora nel prototipare con il Voice Agent Builder — due minuti bastano per sentire come suonerebbe il tuo caso d’uso — e poi, se il prototipo convince, passare all’API per l’integrazione reale. L’ordine inverso, partire dal codice, non ha più senso per validare un’idea.
Fonte ufficiale: docs.x.ai/developers/models e x.ai/news
Punti chiave
- Voice Agent Builder: crea un agente vocale senza codice (1° luglio)
- 21 nuove voci multilingue annunciate il 6 luglio; 28 voci nel catalogo al 3 novembre
- Agente vocale: 4,80 $ all’ora (registrato il 3 novembre; 3 $ alla registrazione del 28 luglio) — un budget calcolato nel tempo, non in token
- Trascrizione: 0,10 $/ora batch, 0,20 $/ora streaming — paga per il real-time con giudizio