Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Grok Voice: Voice Agents ir 21 naujas balsas

Paskaita 5 iš 12 Atnaujinta 2026 m. lapkričio 3 d. Vidutinis lygis
Šiame puslapyje
  1. Du pranešimai, dvi auditorijos
  2. Kiek kainuoja Voice API
  3. Kaip tai keičia tavo turimas žinias
  4. Svarbiausi punktai

Atnaujinta 2026 m. lapkričio 2 d. – balsas. „Grok Voice 3.0“ (2026 m. spalio 14 d.) pakeičia pasenusią „Grok Voice 2.0“ versiją ta pačia 0,08 USD už minutę kaina; aliasas grok-voice-latest nukreipia į 3.0 versiją. Transkripcijai numatytasis modelis yra grok-voice-transcribe-2.0; 1.0 versijos gyvavimo ciklas baigėsi 2026 m. spalio 2 d. Papildymas, 2026 m. lapkričio 3 d.: Toliau pateikta lentelė atnaujinta (voice agentas kainuoja 4,80 USD per valandą, o ne 3 USD, kaip buvo užfiksuota liepos 28 d.), o kataloge dabar yra 28 integruoti balsai. Šaltiniai: Kainodara · Tekstas į kalbą.

„xAI“ balso padalinys ilgą laiką buvo tylusis komandos brolis: turėjo tvirtą, dokumentuotą API, tačiau iš esmės buvo skirtas tik kūrimo pajėgumus turinčioms komandoms. 2026 m. liepos pradžioje du iš eilės paskelbti pranešimai tai pakeitė. Juos verta skaityti kartu, nes jie apibrėžia du skirtingus įėjimo taškus į tą patį produktą.

Du pranešimai, dvi auditorijos

Pirmasis pasirodė liepos 1 d.: „Voice Agent Builder“. Šis įrankis žada sukurti tinkintą balso agentą „per mažiau nei 2 minutes, nerašant nė eilutės kodo“. Praktiškai tu apibrėži agento vaidmenį, pasirenki jo balsą, pateiki jo žinias ir tada jį diegi – visa tai per sąsają, nerašant kodo. Tai būtent ta auditorija, kurios trūko „xAI“ balso pasiūlyme: verslo vadovas, norintis sukurti informacinės linijos ar automatinės telefono centrėlės prototipą, neįtraukdamas kūrimo komandos. API neišnyksta; jis lieka kelias gilioms integracijoms, kai balso agentas turi bendrauti su tavo CRM ar bilietų valdymo sistema.

Po penkių dienų, liepos 6 d., „xAI“ paskelbė apie 21 naują daugiakalbį „flagmaninį“ balsą „Grok Voice“ ir kartu pagerino originalių penkių balsų natūralumą. Tau šis daugiakalbis plėtimasis yra svarbus: anglų kalba veikiantis balso agentas yra patikimas tik tada, jei pats balsas toks yra. Prieš priimdamas galutinį sprendimą projektui, skirk laiko paklausyti tavo tikslinei kalbai available balsų – išvestis labai skiriasi nuo vieno balso iki kito, o keisti balsus paleidus klientų aptarnavimo sistemą visada sunkiau nei iš pradžių pasirinkti tinkamai.

Kiek kainuoja Voice API

„docs.x.ai“ svetainėje paskelbta kainodaros lentelė (užfiksuota 2026 m. lapkričio 3 d.) telpa į keturias eilutes ir yra paprasti tabuliniai duomenys:

KomponentasKaina
Balso agentas (realiuoju laiku, grok-voice-3.0)0,08 USD už minutę, arba 4,80 USD už valandą, plius 0,004 USD už teksto įvestį
Tekstas į kalbą (TTS)15 USD už milijoną simbolių
Masinė transkripcija (STT batch)0,10 USD už valandą
Srautinė transkripcija (STT streaming)0,20 USD už valandą

Įdomiausia yra pirmoji eilutė, ir ne tik dėl sumos. Balso agentas apmokestinamas už valandą, o ne už tokenus. Tiesioginė pasekmė: skambučių centro ar informacinės linijos biudžetą galima apskaičiuoti greitai. Jei tavo paslauga per mėnesį apdoroja 200 valandų pokalbių, žinai, kad sąskaita bus 960 USD – nepaisant keitimosi žodžiais gausumo, nepaisant atsakymų sudėtingumo. Tai kainodaros modelis, kurį finansų komandos supranta iškart, tuo tarpu apmokestinimas tokenais reikalauja visada trapių prognozių.

Skirtumas tarp dviejų transkripcijos režimų taip pat daug ką pasako. Masinė transkripcija kainuoja 0,10 USD už valandą, srautinė transkripcija – 0,20 USD: realusis laikas kainuoja lygiai dvigubai daugiau. Tai klasikinis industrijos modelis, kuris diktuoja paprastą refleksą: mokėk už srautinį perdavimą tik ten, kur neatidėliotinumui tikrai yra poreikis. Gyvų susitikimų subtitrai pateisina realųjį laiką; skambučių įrašų transkripcija vėlesnei analizei to niekada nepateisina – masinis apdorojimas atlieka tą patį darbą perpus pigiau.

Kaip tai keičia tavo turimas žinias

Jei lankei mūsų kursus „Grok Voice & Audio“, „Voice Agent API“ ir „TTS API“, niekas, ko ten išmokai, nėra pasenusi. Įgyvendinimo mechanika – realaus laiko „WebSocket“, balso aktyvumo aptikimas (VAD), garso formatai – lieka tokia pati, kaip aprašyta tuose kursuose. Pridedamas tik papildomas sluoksnis: be kodas įrankis greitai prototipų kūrimui, žymiai išplėstas balsų katalogas ir aukščiau pateikta atnaujinta kainodaros lentelė, leidžianti apskaičiuoti projekto kainą prieš rašant pirmąją kodo eilutę.

Praktiškai teisingas požiūris komandai, kuri tik pradeda dirbti šia tema, dabar yra toks: pirmiausia sukurk prototipą naudodamas „Voice Agent Builder“ – dviejų minučių pakanka, kad išgirstum, kaip tavo naudojimo atvejis skambėtų iš tikrųjų, o jei prototipas įtikina, pereik prie API realiai integracijai. Atvirkštinė tvarka, pradedant nuo kodo, nebeturi prasmės idėjai patvirtinti.

Oficialus šaltinis: docs.x.ai/developers/models ir x.ai/news

Svarbiausi punktai

  • „Voice Agent Builder“: sukurk balso agentą nerašant kodo (liepos 1 d.)
  • Liepos 6 d. paskelbti 21 naujas daugiakalbis balsas; lapkričio 3 d. kataloge yra 28 balsai
  • Balso agentas: 4,80 USD už valandą (užfiksuota lapkričio 3 d.; liepos 28 d. įraše buvo 3 USD) – biudžetas skaičiuojamas laiku, o ne tokenais
  • Transkripcija: 0,10 USD/val. masinei, 0,20 USD/val. srautinei – protingai mokėk už realųjį laiką