Salt la conținutul principal
Română— Alege o limbă
Meniu

Grok Voice: Agenți vocali și 21 de voci noi

Lecția 5 din 12 Actualizată 3 noiembrie 2026 Intermediar
Pe această pagină
  1. Două anunțuri, două audiențe
  2. Costurile API-ului Voice
  3. Ce se schimbă pentru cunoștințele dumneavoastră existente
  4. Puncte cheie

Actualizat pe 2 noiembrie 2026 — voce. Grok Voice 3.0 (14 octombrie 2026) înlocuiește versiunea depreciată Grok Voice 2.0 la același preț de 0,08 USD pe minut; aliasul grok-voice-latest indică versiunea 3.0. Pentru transcriere, modelul implicit este grok-voice-transcribe-2.0; versiunea 1.0 a ajuns la sfârșitul ciclului de viață pe 2 octombrie 2026. Supliment din 3 noiembrie 2026: Tabelul de mai jos este actualizat (agent vocal la 4,80 USD pe oră în loc de 3 USD, conform înregistrării din 28 iulie), iar catalogul include acum 28 de voci integrate. Surse: Prețuri · Text-to-Speech.

Divizia de voce a xAI a fost mult timp fratele liniștit al gamelor de produse: un API solid și bine documentat, dar rezervat efectiv echipelor capabile de dezvoltare. La începutul lunii iulie 2026, două anunțuri successive au schimbat această situație. Acestea merită citite împreună, deoarece conturează două puncte de intrare distincte în același produs.

Două anunțuri, două audiențe

Primul a sosit pe 1 iulie: Voice Agent Builder. Instrumentul promite crearea unui agent vocal personalizat „în mai puțin de 2 minute, fără o singură linie de cod“. În practică, definiți rolul agentului, îi alegeți vocea, îi furnizați cunoștințele necesare și apoi îl implementați — totul dintr-o interfață, fără a scrie cod. Aceasta este exact audiența care lipsea din oferta de voce a xAI: managerul de afaceri care dorește să prototipeze o linie directă sau un centralist automatizat fără a bloca o echipă de dezvoltare. API-ul nu dispare; rămâne calea pentru integrări profunde, acolo unde agentul vocal trebuie să converseze cu sistemul dumneavoastră CRM sau de ticketing.

Cinci zile mai târziu, pe 6 iulie, xAI a anunțat 21 de voci „flagship“ multilingve noi pentru Grok Voice, îmbunătățind totodată naturalețea celor cinci voci originale. Pentru dumneavoastră, această expansiune multilingvă contează: un agent vocal în engleză este credibil doar dacă vocea în sine este credibilă. Înainte de a bloca o alegere pentru un proiect, luați timp să ascultați vocile disponibile în limba țintă — rezultatul variază semnificativ de la o voce la alta, iar schimbarea vocilor după lansarea unui serviciu de relații cu clienții este întotdeauna mai dificilă decât alegerea corectă de la început.

Costurile API-ului Voice

Grila de prețuri publicată pe docs.x.ai (înregistrată pe 3 noiembrie 2026) se încadrează în patru rânduri și reprezintă date tabulare simple:

ComponentăPreț
Agent vocal (timp real, grok-voice-3.0)0,08 USD pe minut, sau 4,80 USD pe oră, plus 0,004 USD per input text
Text-to-speech (TTS)15 USD per milion de caractere
Transcriere în lot (STT batch)0,10 USD pe oră
Transcriere în flux (STT streaming)0,20 USD pe oră

Cel mai interesant rând este primul, și nu doar pentru sumă. Agentul vocal este facturat pe oră, nu pe token. Consecința directă: bugetul pentru un call center sau o linie directă se calculează rapid. Dacă serviciul dumneavoastră gestionează 200 de ore de conversație pe lună, știți că factura va fi de 960 USD — indiferent de verbose-ul schimbului, indiferent de complexitatea răspunsului. Acesta este un model de cost pe care echipele financiare îl înțeleg imediat, în timp ce facturarea bazată pe tokeni necesită proiecții întotdeauna fragile.

Decalajul dintre cele două moduri de transcriere spune, de asemenea, o poveste. Transcrierea în lot costă 0,10 USD pe oră, iar transcrierea în flux 0,20 USD: timpul real costă exact dublu. Acesta este tiparul clasic al industriei și impune un reflex simplu: plătiți pentru flux doar acolo unde imediata servește cu adevărat cazul de utilizare. Subtitrările în timp real pentru întâlniri justifică procesarea instantanee; transcrierea înregistrărilor apelurilor pentru analiză ulterioară nu o justifică niciodată — lotul face aceeași treabă la jumătate de preț.

Ce se schimbă pentru cunoștințele dumneavoastră existente

Dacă ați parcurs cursurile noastre „Grok Voice & Audio“, „Voice Agent API“ și „TTS API“, nimic din ceea ce ați învățat acolo nu este învechit. Mecanismele de implementare — WebSocket în timp real, detectarea activității vocale (VAD), formatele audio — rămân exact așa cum sunt descrise în acele cursuri. Ceea ce se adaugă este un strat superior: un instrument fără cod pentru prototipare rapidă, un catalog de voci semnificativ extins și grila de prețuri de mai sus, actualizată, care vă permite să estimați costul unui proiect înainte de a scrie prima linie de cod.

În practică, abordarea corectă pentru o echipă nouă în acest domeniu constă acum în prototiparea în Voice Agent Builder — două minute sunt suficiente pentru a auzi cum ar suna cazul dumneavoastră de utilizare — apoi, dacă prototipul convinge, trecerea la API pentru integrarea reală. Ordinea inversă, începând cu codul, nu mai are sens pentru validarea unei idei.

Sursă oficială: docs.x.ai/developers/models și x.ai/news

Puncte cheie

  • Voice Agent Builder: creați un agent vocal fără cod (1 iulie)
  • 21 de voci multilingve noi anunțate pe 6 iulie; 28 de voci în catalog la data de 3 noiembrie
  • Agent vocal: 4,80 USD pe oră (înregistrat pe 3 noiembrie; 3 USD la înregistrarea din 28 iulie) — un buget calculat în timp, nu în tokeni
  • Transcriere: 0,10 USD/oră pentru lot, 0,20 USD/oră pentru flux — plătiți pentru timpul real cu înțelepciune