Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Grok Voice: Hlasoví agenti a 21 nových hlasov

Lekcia 5 z 12 Aktualizované 3. novembra 2026 Mierne pokročilý
Na tejto strane
  1. Dve oznámenia, dve cieľové skupiny
  2. Koľko stojí Voice API
  3. Čo to mení na tvojich existujúcich vedomostiach
  4. Kľúčové poznatky

Aktualizované 2. novembra 2026 — hlas. Grok Voice 3.0 (14. októbra 2026) nahrádza zastaraný Grok Voice 2.0 za rovnakú cenu 0,08 USD za minútu; alias grok-voice-latest odkazuje na verziu 3.0. Pre prepis je predvoleným modelom grok-voice-transcribe-2.0; verzia 1.0 dosiahla koniec životnosti 2. októbra 2026. Doplnok z 3. novembra 2026: Nižšie uvedená tabuľka je aktualizovaná (hlasový agent stojí 4,80 USD za hodinu namiesto 3 USD zaznamenaných 28. júla) a katalóg teraz obsahuje 28 vstavaných hlasov. Zdroje: Cenník · Text na reč.

Hlasová divízia xAI bola dlho tichým súrodencom v ponuke: solidné, zdokumentované API, ale efektívne vyhradené pre tímy schopné vývoja. Začiatkom júla 2026 dve po sebe idúce oznámenia túto situáciu zmenili. Oplatí sa prečítať si ich spoločne, pretože načrtávajú dva odlišné vstupné body do toho istého produktu.

Dve oznámenia, dve cieľové skupiny

Prvé prišlo 1. júla: Voice Agent Builder. Tento nástroj sľubuje vytvorenie vlastného hlasového agenta „za menej ako 2 minúty, bez jediného riadku kódu“. V praxi definujete rolu agenta, vyberiete jeho hlas, poskytnete mu znalosti a následne ho nasadíte – všetko prostredníctvom rozhrania, bez písania kódu. Presne toto bolo cieľovou skupinou, ktorá v hlasovej ponuke xAI chýbala: manažér, ktorý chce vytvoriť prototyp linky pomoci alebo automatizovanej ústredne bez viazania vývojového tímu. API nezmizlo; zostáva cestou pre hlboké integrácie, kde musí hlasový agent komunikovať s vaším CRM alebo systémom na správu ticketov.

O päť dní neskôr, 6. júla, xAI oznámilo 21 nových viacjazyčných „vlajkových“ hlasov pre Grok Voice a zároveň zlepšilo prirodzenosť pôvodnej päťice. Pre teba je toto viacjazyčné rozšírenie dôležité: hlasový agent v angličtine je dôveryhodný len vtedy, ak je dôveryhodný samotný hlas. Predtým, než sa v projekte definitívne rozhodneš, venuj čas vypočutiu si dostupných hlasov vo svojom cieľovom jazyku – výstup sa výrazne líši od hlasu k hlasu a zmena hlasu po spustení zákazníckej služby je vždy náročnejšia než správny výber na začiatku.

Koľko stojí Voice API

Cenník zverejnený na docs.x.ai (zaznamenaný 3. novembra 2026) sa zmestí do štyroch riadkov a ide o priamočiare tabuľkové údaje:

KomponentCena
Hlasový agent (reálny čas, grok-voice-3.0)0,08 USD za minútu, alebo 4,80 USD za hodinu, plus 0,004 USD za textový vstup
Prevod textu na reč (TTS)15 USD za milión znakov
Dávkový prepis (STT batch)0,10 USD za hodinu
Streamovaný prepis (STT streaming)0,20 USD za hodinu

Najzaujímavejší je prvý riadok, a to nielen kvôli sume. Hlasový agent sa fakturuje za hodinu, nie za token. Priamy dôsledok: rozpočet pre call centrum alebo linku pomoci sa vypočíta rýchlo. Ak tvoja služba vybaví 200 hodín konverzácie mesačne, vieš, že faktúra bude 960 USD – bez ohľadu na ukecanosť výmeny, bez ohľadu na zložitosť odpovede. Ide o nákladový model, ktorému finančné tímy rozumejú okamžite, zatiaľ čo fakturácia založená na tokenoch si vyžaduje vždy krehké projekcie.

Rozdiel medzi dvoma režimami prepisu tiež niečo napovedá. Dávkový prepis stojí 0,10 USD za hodinu, streamovaný prepis 0,20 USD: reálny čas stojí presne dvojnásobok. Toto je klasický vzorec v odvetví a vyvoláva jednoduchý reflex: plať za streamovanie len tam, kde okamžitosť skutočne slúži použitiu. Titulky naživo počas stretnutí ospravedlňujú reálny čas; prepis nahrávok hovorov pre následnú analýzu to nikdy nerobí – dávkové spracovanie urobí tú istú prácu za polovičnú cenu.

Čo to mení na tvojich existujúcich vedomostiach

Ak si absolvoval naše kurzy „Grok Voice & Audio“, „Voice Agent API“ a „TTS API“, nič, čo si sa tam naučil, nie je zastarané. Mechanizmy implementácie – WebSocket v reálnom čase, detekcia hlasovej aktivity (VAD), audio formáty – zostávajú presne také, ako sú opísané v týchto kurzoch. To, čo pribudlo, je vrstva navyše: nástroj bez kódovania pre rýchle prototypovanie, výrazne rozšírený katalóg hlasov a vyššie uvedený aktualizovaný cenník, ktorý ti umožní vyčísliť projekt ešte pred napísaním prvého riadku kódu.

V praxi teraz správny prístup pre tím, ktorý je v tejto téme nový, spočíva v prototypovaní vo Voice Agent Builder – dve minúty stačia na to, aby si počul, ako by tvoje použitie znelo – a následne, ak ťa prototyp presvedčí, prepnutiu na API pre skutočnú integráciu. Obrátený postup, začínajúci kódom, už na overenie nápadu nedáva zmysel.

Oficiálny zdroj: docs.x.ai/developers/models a x.ai/news

Kľúčové poznatky

  • Voice Agent Builder: vytvorenie hlasového agenta bez kódovania (1. júla)
  • 21 nových viacjazyčných hlasov oznámených 6. júla; k 3. novembru obsahuje katalóg 28 hlasov
  • Hlasový agent: 4,80 USD za hodinu (zaznamenané 3. novembra; 28. júla bolo zaznamenaných 3 USD) – rozpočet počítaný v čase, nie v tokenoch
  • Prepis: 0,10 USD/hod dávkovo, 0,20 USD/hod streamovanie – za reálny čas plať rozvážne