Galapunkts WebSocket un savienojums reāllaikā
Šajā lapā
Atjaunināts 2026. gada 3. novembrī, pamatojoties uz xAI lapām Speech to Speech, Pricing un Rate limits: 0,08 USD par minūti, vienlaicīgas sesijas atkarībā no tarifa plāna un
grok-voice-3.0kā pašreizējais modelis. Avoti: Speech to Speech · Pricing · Rate limits.
Voice Agent API reāllaikā
Grok Voice Agent API ļauj tev izveidot sarunu balss aģentus, kas reāllaikā sazinās ar taviem lietotājiem. Atšķirībā no klasiskajiem REST API, kas strādā pēc principa „pieprasījums-atbilde”, šis API izmanto WebSocket protokolu, lai uzturētu pastāvīgu divvirzienu savienojumu starp tavu lietotni un xAI serveriem.

Pastāv tikai viens galapunkts:
wss://api.x.ai/v1/realtime
Tu izvēlies modeli, izmantojot URL parametru model, piemēram, wss://api.x.ai/v1/realtime?model=grok-voice-latest. grok-voice-latest norāda uz grok-voice-3.0, kas ir pašreizējais modelis, un tas ir arī noklusējuma variants. Darbvidē xAI iesaka fiksēt konkrētu versiju pēc nosaukuma.
Šis vienīgais galapunkts nodrošina visu balss sarunas dzīves ciklu: audio saņemšanu, runas noteikšanu, atbildes ģenerēšanu un sintetizētā audio nosūtīšanu atpakaļ.
WebSocket savienojuma izveide
Lai izveidotu savienojumu, ievieto savu xAI API atslēgu autorizācijas galvenē. Lūk, piemērs JavaScript valodā:
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);
});
Python valodā vari izmantot bibliotēku 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())
Sesijas dzīves cikls
Tiklīdz WebSocket savienojums tiek atvērts, serveris nosūta notikumu session.created, apstiprinot, ka sesija ir aktīva. Pēc tam tu nosūti notikumu session.update, lai konfigurētu sarunu (balss, instrukcijas, rīki, maiņas noteikšana).
Tipisks cikls izskatās šādi:
- Savienojums: atver WebSocket ar autentifikāciju
- Konfigurācija: nosūti
session.updatear saviem iestatījumiem - Apstiprinājums: saņem no servera
session.updated - Saruna: apmainies ar audio un teksta notikumiem
- Slēgšana: tīri atvieno WebSocket
Savienojuma kļūdu apstrāde
Serveris var slēgt vai noraidīt savienojumu vairāku iemeslu dēļ: autentifikācijas kļūda, tava tarifa plāna vienlaicīgo sesiju limita pārsniegšana (10 sākuma tarifā, līdz 200 augstākajā) vai tehniska incidenta gadījumā. Pašreizējā dokumentācijā nav noteikts maksimālais sesijas ilgums, un sesijas atsākšana (4. nodarbība) ļauj atsākt sarunu pēc pārtraukuma. Tavai lietotnei jāietver atkārtotas pieslēgšanās loģika ar eksponenciālu paužu palielināšanu (exponential backoff).
Cenas pārbaudītas 2026. gada 3. novembrī. Cenas mainās bieži: pirms jebkādu budžetu plānošanas pārbaudi aktuālās likmes oficiālajā xAI cenu lapā.
Galvenās atziņas
- WebSocket galapunkts
wss://api.x.ai/v1/realtimeir vienīgais ieejas punkts visām balss sarunām - Autentifikāciju veic ar galveni
Authorization: Bearer {API atslēga} - Vienlaicīgo sesiju skaits ir atkarīgs no tava tarifa plāna: 10 sākuma tarifā, līdz 200
- Serveris nosūta
session.createdsavienojuma izveides brīdī, pēc tam gaida tavusession.update, lai konfigurētu sarunu - Cena ir 0,08 USD par minūti jeb 4,80 USD par stundu, plus 0,004 USD par teksta ievadi