Maak kennis met de Grok Voice Agent
Op deze pagina
Bijgewerkt op 3 november 2026. Grok Voice 3.0, uitgebracht op 14 oktober 2026, vervangt de verouderde Grok Voice 2.0 tegen dezelfde prijs van $0.08 per minuut. De alias
grok-voice-latestverwijst nu naar versie 3.0. Voor transcriptie isgrok-voice-transcribe-2.0het standaardmodel; versie 1.0 bereikte op 2 oktober 2026 het einde van zijn levenscyclus. Bronnen: Prijzen · Ratelimits.
Een realtime conversationele voice-agent
Met de Grok Voice Agent API bouwt u assistenten die live gesproken gesprekken voeren met uw gebruikers. Het onderscheidende kenmerk is de architectuur. De klassieke aanpak koppelt drie services aan elkaar, elk achter een eigen HTTP-aanroep: speech-to-text, een tekstrespons en vervolgens text-to-speech. De Voice Agent streamt daarentegen alles via één persistente WebSocket-verbinding. De gebruiker spreekt, het model luistert, begrijpt en antwoordt direct hardop, zonder een driedelige netwerkomweg.

U hoort het verschil meteen. Een pipeline in drie stappen laat na elke zin een hiaat van enkele honderden milliseconden vallen. Een gesprek met de Voice Agent voelt meer als een telefoongesprek: de andere partij pakt de draad op waar u ophield, u kunt elkaar onderbreken en het gesprek gaat gewoon door. Die continuïteit maakt het verschil tussen een telefoonmenu dat klanten tolereren en een assistent waarmee ze graag praten.
Hoe de verbinding werkt
Alles verloopt via WebSocket, wat een tweerichtingskanaal openhoudt tussen uw app en xAI. Verbind met het eindpunt wss://api.x.ai/v1/realtime en plaats uw API-sleutel in de autorisatieheader, net zoals bij een REST-aanroep:
const ws = new WebSocket("wss://api.x.ai/v1/realtime", {
headers: {
"Authorization": "Bearer " + XAI_API_KEY
}
});
De server antwoordt met een session.created-gebeurtenis om te bevestigen dat de verbinding open staat. Beschouw de verbinding pas als gereed zodra deze gebeurtenis binnenkomt: dit is uw signaal om uw configuratie in een session.update-bericht te verzenden. Een app die zijn configuratie verstuurt voordat session.created verschijnt, kan zich bij opstarten onvoorspelbaar gedragen.
De audiolus
Zodra de sessie is geconfigureerd, stromen de gegevens in een duidelijk gedefinieerde lus. Uw app vangt audio op van de microfoon, codeert deze in base64 en verzendt deze in kleine brokken met input_audio_buffer.append. Deze invoer is continu: u wacht niet tot de gebruiker een zin heeft afgemaakt voordat u begint met verzenden. Ondertussen voert de server voice activity detection (VAD) uit, waardoor deze zelfstandig detecteert wanneer de gebruiker begint en stopt met spreken. Grok verwerkt vervolgens wat er gezegd is, interpreteert het binnen de context van het gesprek en genereert een antwoord. De antwoordaudio wordt brok voor brok, eveneens in base64, teruggestreamd naar u via response.output_audio.delta.
Het voordeel van dit ontwerp is dat u geen enkele logica voor beurtwisseling hoeft te schrijven. U bepaalt niet wanneer de gebruiker klaar is en u triggert de generatie niet zelf. De server regelt dit; uw enige taak is de audio afspelen zodra deze binnenkomt. De lus herhaalt zich totdat het gesprek eindigt.
Wat de agent kan doen tijdens het spreken
De Voice Agent kan meer dan alleen chatten: hij kan tools aanroepen midden in een gesprek. Hij beschikt over webzoekopdrachten voor actuele informatie, X-zoekopdrachten voor berichten op het platform, aangepaste functies om uw eigen API’s aan te roepen, bestandzoekopdrachten om door verzamelingen gevectoriseerde documenten te bladeren, en verbindingen met MCP-servers (Model Context Protocol) om gestandaardiseerde externe tools te bereiken.
Zo ziet dat er in de praktijk uit. Een klant belt om de status van een bestelling te controleren. Terwijl de agent hen met een zin of twee aan de lijn houdt, raadpleegt hij via een aangepaste functie uw database en leest vervolgens de leverdatum voor. Of stel u een planningsassistent voor die via een MCP-server een agenda controleert en direct drie tijdstippen aanbiedt. In beide gevallen merkt de gebruiker niet dat er een API-aanroep heeft plaatsgevonden.
Beperkingen om vanaf dag één rekening mee te houden
Twee limieten vormen uw architectuur. De eerste is het aantal gelijktijdige sessies: 10 op het instapniveau, vervolgens 20, 50, 100 en 200, afhankelijk van uw teamniveau. Vergelijk dit aantal met uw piekbelasting voordat u naar productie gaat. De tweede is de kostprijs: $0.08 per minuut, oftewel $4.80 per uur, plus $0.004 per tekstinvoer. De facturatie gebeurt per minuut, dus sluit sessies die niemand gebruikt. De huidige documentatie stelt geen maximale sessieduur in. Voor lange gesprekken, of na een verbroken verbinding, speelt sessiehervatting de geschiedenis af, die 30 minuten na de laatste activiteit wordt bewaard. Audio staat standaard op 24 kHz PCM; u kunt het formaat wijzigen om het aan uw kanaal aan te passen.
Prijzen gecontroleerd op 3 november 2026. Prijzen wijzigen regelmatig: controleer voordat u begroottingen maakt de actuele tarieven op de officiële xAI-paginaprijzen.
Belangrijkste punten
- De Grok Voice Agent draait op WebSocket voor realtime spraakgesprekken
- Voice activity detection (VAD) draait op de server, wat uw code eenvoudig houdt
- De agent kan tijdens het gesprek tools gebruiken (web, X, functies, bestanden, MCP)
- De kosten bedragen $0.08 per minuut ($4.80 per uur); het aantal gelijktijdige sessies varieert van 10 tot 200, afhankelijk van uw niveau