Aġent Vokali u TTS
F'din il-paġna
Aġġornat fit-3 ta’ Novembru 2026. Ibbażat fuq il-paġni Pricing, Rate Limits, Text to Speech u n-noti ta’ ħruġ ta’ xAI: l-aġent vokali bi $0.08 kull minuta (mhux $0.05), TTS bi $15 kull miljun karattru (mhux $4.20), sessjonijiet simultanji skont il-livell (mhux 100, u lanqas 30 minuta kull sessjoni), TTS disponibbli minn Marzu 2026; il-livelli japplikaw awtomatikament għall-mudelli vokali, Imagine jeħtieġ li tikkuntattja l-bejgħ. Sorsi: Pricing · Rate limits · Release notes.
Il-Kapaċitajiet Awdjo ta’ Grok
xAI toffri żewġ servizzi awdjo permezz tal-API tagħha: l-Aġent Vokali (API Speech to Speech), disponibbli minn Diċembru 2025, għal konversazzjonijiet vokali f’ħin reali, u Text-to-Speech (TTS), disponibbli minn Marzu 2026, għas-sinteżi tal-vuċi. Dawn is-servizzi jħalluk tibni interfaċċi konversazzjonali vokali sħaħ, minn sistemi telefoniċi awtomatizzati sa assistenti vokali integrati.
API tal-Aġent Vokali
L-API tal-Aġent Vokali tippermettilek toħloq konversazzjonijiet vokali bidirezzjonali f’ħin reali. L-utent jitkellem, il-mudell jisma’, jifhem, u jwieġeb oralment—kollox b’latenza baxxa biżżejjed għal konversazzjoni naturali.
Karatteristiċi Ewlenin
- Mudell:
grok-voice-3.0, li l-aliasgrok-voice-latestjipponta lejh - Sessjonijiet simultanji: 10 fil-livell tad-dħul, imbagħad 20, 50, 100, u 200 skont il-livell
- Prezz: $0.08 kull minuta, jew $4.80 kull siegħa, flimkien ma’ $0.004 kull input tat-test
- Ħin reali: latenza ottimizzata għal konversazzjoni naturali
Każijiet ta’ Użu
L-Aġent Vokali huwa ddisinjat għal xenarji fejn l-interazzjoni vokali żżid valur meta mqabbla mat-test:
- Servizz tal-klijenti awtomatizzat — tislima telefonika, instradament tas-sejħiet, tweġibiet għal mistoqsijiet frekwenti
- Assistenti vokali integrati — f’applikazzjonijiet mobbli jew apparati IoT
- Tutoring vokali — appoġġ edukattiv permezz tal-vuċi
- Aċċessibbiltà — interfaċċa vokali għal utenti li ma jistgħux jew jippreferux jiktbu
Kunsiderazzjonijiet dwar l-Ispejjeż
Bi $4.80 kull siegħa, l-Aġent Vokali huwa ekonomiku għal interazzjonijiet qosra u okkażjonali. Madankollu, l-ispiża tista’ ssir sinifikanti għal servizzi b’volum għoli. Ċentru tas-sejħiet li jimmaniġġja 1,000 siegħa ta’ konversazzjoni fix-xahar jirrappreżenta baġit ta’ $4,800.
Is-sistema tal-livelli tapplika wkoll għall-mudelli vokali, eżattament bħall-mudelli tat-test: il-livell jiddependi mill-infiq kumulattiv tiegħek u qatt ma jinżel. Biex iżżid il-limiti ta’ Imagine, madankollu, trid tikkuntattja l-bejgħ ta’ xAI.
Text-to-Speech (TTS)
Is-servizz TTS jikkonverti t-test f’kelma b’vuċijiet sintetiċi ta’ kwalità għolja. Huwa ffatturat skont il-volum tat-test ikkonvertit.
Prezzijiet u Limiti
| Servizz | Spiża | Limitu |
|---|---|---|
| Text-to-Speech | $15 / 1M karattru | 50 talba kull sekonda u 100 sessjoni simultanja fil-livell tad-dħul |
Biex tistma l-ispejjeż tiegħek: artiklu ta’ blog ta’ 5,000 karattru jiswa madwar $0.075 biex jiġi kkonvertit f’awdjo. Awdjobook ta’ 500,000 karattru jiswa madwar $7.50.
Vuċijiet Disponibbli
xAI toffri 28 vuċi integrati (sal-3 ta’ Novembru 2026), komuni kemm għat-TTS kif ukoll għall-Aġent Vokali, b’toni u użi varji, kif ukoll vuċijiet personalizzati maħluqa minn klip qasir. Inti tagħżel il-vuċi fil-mument tat-talba tal-API, li jħallik tadatta l-vuċi għall-kuntest—vuċi professjonali għal rapport, vuċi sħuna għal tutorjal.
Applikazzjonijiet tat-TTS
- Podcasts awtomatizzati — ibdel l-artikli tal-blog tiegħek f’kontenut awdjo
- Narrazzjoni — żid saff awdjo lill-applikazzjonijiet edukattivi tiegħek
- Aċċessibbiltà — agħmel il-kontenut tat-test aċċessibbli għal utenti b’diżabbiltà viżiva
- Notifiki vokali — twissijiet u tfakkiriet mitkellma fl-applikazzjonijiet
- Kontenut multilingwi — iġġenera verżjonijiet awdjo f’lingwi differenti
Aġent Vokali vs TTS: Liema Servizz Tagħżel?
Id-distinzjoni hija sempliċi:
- Aġent Vokali: għal konversazzjonijiet interattivi f’ħin reali. L-utent jitkellem, il-mudell iwieġeb. Huwa bidirezzjonali.
- TTS: għal konverżjoni f’direzzjoni waħda minn test għal kelma. L-ebda interazzjoni, biss sinteżi tal-vuċi.
Jekk qed tibni assistent konversazzjonali, ikollok bżonn l-Aġent Vokali. Jekk sempliċiment trid taqra test b’leħen għoli, TTS huwa biżżejjed.
Integrazzjoni f’Arkitettura Eżistenti
Is-servizzi awdjo ta’ Grok jintegraw fl-istess API bħall-mudelli tat-test u tal-immaġni. Tuża l-istess ċwievet tal-API, l-istess sistema ta’ fatturazzjoni, u l-istess dashboard fuq console.x.ai.
Din l-unifikazzjoni tissimplifika ħafna l-arkitettura: proġett wieħed jista’ juża Grok 4.5 għar-raġunament, grok-build-0.1 għall-kodiċi, Grok Imagine għall-viżwali, u l-Aġent Vokali għall-interazzjoni orali, kollha b’kont ta’ żviluppatur wieħed.
Prezzijiet ivverifikati fit-3 ta’ Novembru 2026 — il-prezzijiet jinbidlu regolarment: qabel kwalunkwe kalkolu tal-baġit, iċċekkja l-karta tar-rati attwali fuq il-paġna uffiċjali tal-prezzijiet ta’ xAI.
Punti Ewlenin
- L-Aġent Vokali jiswa $0.08/min ($4.80/siegħa) għal konversazzjonijiet f’ħin reali
- TTS jiswa $15 kull miljun karattru għas-sinteżi tal-vuċi
- Aġent Vokali: 10 sa 200 sessjoni simultanja skont il-livell
- TTS: 100 talba konkorrenti
- Aġent Vokali = bidirezzjonali, TTS = unidirezzjonali
- Aġġornamenti tal-livell għal Vuċi/Imagine jeħtieġu talba manwali