Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Grok Voice: Agentes de Voz e 21 Novas Vozes

Aula 5 de 12 Atualizada a 3 de novembro de 2026 Intermediario
Nesta página
  1. Dois anúncios, dois públicos-alvo
  2. Quanto custa a Voice API
  3. O que isto muda para os seus conhecimentos existentes
  4. Pontos-chave

Atualizado em 2 de novembro de 2026 — voz. O Grok Voice 3.0 (14 de outubro de 2026) substitui o antigo Grok Voice 2.0 pelo mesmo preço de 0,08 USD por minuto; o alias grok-voice-latest aponta para a versão 3.0. Para transcrição, o modelo predefinido é o grok-voice-transcribe-2.0; a versão 1.0 chegou ao fim do ciclo de vida em 2 de outubro de 2026. Suplemento de 3 de novembro de 2026: A tabela abaixo foi atualizada (agente de voz a 4,80 USD por hora em vez dos 3 USD registados em 28 de julho) e o catálogo inclui agora 28 vozes integradas. Fontes: Preços · Texto para Fala.

A divisão de voz da xAI foi durante muito tempo o irmão discreto da gama: uma API sólida e bem documentada, mas efetivamente reservada a equipas com capacidade de desenvolvimento. No início de julho de 2026, dois anúncios sucessivos alteraram este cenário. Merecem ser lidos em conjunto, pois delineiam duas portas de entrada distintas para o mesmo produto.

Dois anúncios, dois públicos-alvo

O primeiro surgiu a 1 de julho: o Voice Agent Builder. Esta ferramenta promete a criação de um agente de voz personalizado «em menos de 2 minutos, sem escrever uma linha de código». Na prática, define o papel do agente, escolhe a sua voz, fornece os seus conhecimentos e procede à implementação — tudo através de uma interface, sem programação. Este é exatamente o público que faltava à oferta de voz da xAI: o gestor empresarial que deseja prototipar uma linha de apoio ou uma central telefónica automatizada sem imobilizar uma equipa de desenvolvimento. A API não desaparece; continua a ser o caminho para integrações profundas, onde o agente de voz deve conversar com o seu CRM ou sistema de gestão de tickets.

Cinco dias depois, a 6 de julho, a xAI anunciou 21 novas vozes «principais» multilingues para o Grok Voice, melhorando simultaneamente a naturalidade das cinco originais. Para si, esta expansão multilingue é crucial: um agente de voz em inglês só é credível se a própria voz o for. Antes de fixar uma escolha para um projeto, reserve tempo para ouvir as vozes disponíveis no seu idioma de destino — a qualidade da produção varia significativamente de uma voz para outra, e alterar as vozes após o lançamento de um serviço de atendimento ao cliente é sempre mais difícil do que escolher bem desde o início.

Quanto custa a Voice API

A grelha de preços publicada em docs.x.ai (registada em 3 de novembro de 2026) resume-se a quatro linhas e consiste em dados tabulares diretos:

ComponentePreço
Agente de voz (tempo real, grok-voice-3.0)0,08 USD por minuto, ou 4,80 USD por hora, mais 0,004 USD por entrada de texto
Texto para fala (TTS)15 USD por milhão de carateres
Transcrição em lote (STT batch)0,10 USD por hora
Transcrição em fluxo contínuo (STT streaming)0,20 USD por hora

A linha mais interessante é a primeira, e não apenas pelo valor. O agente de voz é faturado por hora, não por token. A consequência direta: o orçamento para um centro de contactos ou linha de apoio calcula-se rapidamente. Se o seu serviço gerir 200 horas de conversação por mês, sabe que a fatura será de 960 USD — independentemente da verbosidade da troca ou da complexidade da resposta. Este é um modelo de custos que as equipas financeiras compreendem imediatamente, ao passo que a faturação baseada em tokens exige projeções sempre frágeis.

A diferença entre os dois modos de transcrição também conta uma história. A transcrição em lote custa 0,10 USD por hora, enquanto a transcrição em fluxo contínuo custa 0,20 USD: o tempo real custa exatamente o dobro. Este é o padrão clássico da indústria e exige um reflexo simples: só pague pelo fluxo contínuo onde a imediação serve verdadeiramente o caso de uso. Legendas em reuniões ao vivo justificam o tempo real; transcrever gravações de chamadas para análise posterior, nunca — o lote faz o mesmo trabalho por metade do preço.

O que isto muda para os seus conhecimentos existentes

Se frequentou os nossos cursos «Grok Voice e Áudio», «Voice Agent API» e «TTS API», nada do que aí aprendeu está obsoleto. Os mecanismos de implementação — WebSocket em tempo real, deteção de atividade de voz (VAD), formatos de áudio — permanecem exatamente como descritos nesses cursos. O que se adiciona é uma camada superior: uma ferramenta sem código para prototipagem rápida, um catálogo de vozes significativamente expandido e a grelha de preços acima, atualizada, que lhe permite estimar o custo de um projeto antes de escrever a primeira linha.

Na prática, a abordagem correta para uma equipa nova nesta matéria consiste agora em fazer a prototipagem no Voice Agent Builder — dois minutos são suficientes para ouvir como soaria o seu caso de uso — e depois, se o protótipo for convincente, migrar para a API para a integração real. A ordem inversa, começar pelo código, já não faz sentido para validar uma ideia.

Fonte oficial: docs.x.ai/developers/models e x.ai/news

Pontos-chave

  • Voice Agent Builder: crie um agente de voz sem código (1 de julho)
  • 21 novas vozes multilingues anunciadas a 6 de julho; 28 vozes no catálogo a partir de 3 de novembro
  • Agente de voz: 4,80 USD por hora (registado em 3 de novembro; 3 USD no registo de 28 de julho) — um orçamento calculado em tempo, não em tokens
  • Transcrição: 0,10 USD/hora em lote, 0,20 USD/hora em fluxo contínuo — pague pelo tempo real com discernimento