Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Grok Voice: glasovni agenti in 21 novih glasov

Lekcija 5 od 12 Posodobljeno 3. november 2026 Srednje napredni
Na tej strani
  1. Dve napovedi, dve ciljni skupini
  2. Koliko stane glasovni API
  3. Kaj to pomeni za tvoje obstoječe znanje
  4. Ključne ugotovitve

Posodobljeno 2. novembra 2026 — glas. Grok Voice 3.0 (14. oktober 2026) nadomešča zastareli Grok Voice 2.0 po enaki ceni 0,08 USD na minuto; vzdevek grok-voice-latest kaže na različico 3.0. Za prepisovanje je privzeti model grok-voice-transcribe-2.0; različica 1.0 je dosegla konec življenjske dobe 2. oktobra 2026. Dodatek z dne 3. novembra 2026: Spodnja tabela je posodobljena (glasovni agent stane 4,80 USD na uro namesto 3 USD, kot je bilo zabeleženo 28. julija), katalog pa zdaj vključuje 28 vgrajenih glasov. Viri: Cenik · Besedilo v govor.

xAI-jev oddelek za glas je dolgo veljal za tihega brata v ponudbi: zanesljiv in dobro dokumentiran API, a dejansko rezerviran za ekipe z razvojnimi zmogljivostmi. V začetku julija 2026 sta dve zaporedni napovedi to spremenili. Zaslužita si, da ju prebereš skupaj, saj začrtata dve različni vstopni točki v isti izdelek.

Dve napovedi, dve ciljni skupini

Prva je prispela 1. julija: Voice Agent Builder. Orodje obljublja ustvarjanje prilagojenega glasovnega agenta „v manj kot 2 minutah, brez vrstice kode”. V praksi določiš vlogo agenta, izbereš njegov glas, zagotoviš njegovo znanje in ga nato uvedeš — vse to prek vmesnika, brez pisanja kode. To je natanko tista ciljna skupina, ki je manjkala v xAI-jevi glasovni ponudbi: vodja podjetja, ki želi izdelati prototip telefonskega centra ali avtomatskega centralnega stikala, ne da bi zavezal razvojno ekipo. API ne izgine; ostaja pot za globoke integracije, kjer se mora glasovni agent pogovarjati s tvojim sistemom CRM ali sistemom za upravljanje zahtevkov.

Pet dni kasneje, 6. julija, je xAI napovedal 21 novih večjezičnih „vodilnih” glasov za Grok Voice in ob tem izboljšal naravnost prvotnih petih. Zate je ta večjezična širitev pomembna: glasovni agent v angleščini je verodostojen le, če je takšen tudi sam glas. Preden se za projekt dokončno odločiš, si vzemi čas in poslušaj glasove, ki so na voljo v tvojem ciljnem jeziku — izhod se med glasovi bistveno razlikuje, sprememba glasu po zagonu storitve za stranke pa je vedno težja kot dobra izbira na začetku.

Koliko stane glasovni API

Cenovnik, objavljen na docs.x.ai (zabeležen 3. novembra 2026), zajema štiri vrstice in je preprosto tabelarični podatek:

KomponentaCena
Glasovni agent (v realnem času, grok-voice-3.0)0,08 USD na minuto oziroma 4,80 USD na uro, plus 0,004 USD na tekstovni vnos
Besedilo v govor (TTS)15 USD na milijon znakov
Serijski prepis (STT batch)0,10 USD na uro
Pretokovni prepis (STT streaming)0,20 USD na uro

Najzanimivejša je prva vrstica, in to ne le zaradi zneska. Glasovni agent se zaračunava na uro, ne na žeton. Neposredna posledica: proračun za klicni center ali telefonsko linijo hitro izračunaš. Če tvoja storitev mesečno obdela 200 ur pogovorov, veš, da bo račun znašal 960 USD — ne glede na obsežnost izmenjave, ne glede na zapletenost odgovorov. To je stroškovni model, ki ga finančne ekipe takoj razumejo, medtem ko zaračunavanje po žetonih zahteva vedno krhke projekcije.

Razlika med obema načinoma prepisovanja prav tako pripoveduje svojo zgodbo. Serijski prepis stane 0,10 USD na uro, pretokovni prepis 0,20 USD: realni čas stane točno dvakrat toliko. To je klasičen vzorec v industriji, ki zahteva preprost refleks: za pretokovni način plačaj le tam, kjer neposrednost resnično služi primeru uporabe. Napisi v živo med sestanki upravičujejo realni čas; prepisovanje posnetkov klicev za naknadno analizo tega nikoli ne potrebuje — serijski način opravi isto delo za polovično ceno.

Kaj to pomeni za tvoje obstoječe znanje

Če si opravil tečaja „Grok Voice in zvok”, „API za glasovne agente” in „API za TTS”, nič od tega, kar si se tam naučil, ni zastarelo. Mehanika izvajanja — WebSocket v realnem času, zaznavanje glasovne aktivnosti (VAD), zvočni formati — ostaja točno taka, kot je opisana v teh tečajih. Dodana je le nova plast: orodje brez kode za hitro prototipiranje, bistveno razširjen katalog glasov in zgornji posodobljeni cenik, ki ti omogoča oceno stroškov projekta, preden napišeš prvo vrstico kode.

V praksi zdaj pravilen pristop za ekipo, ki se s tem področjem šele seznanja, sestoji iz prototipiranja v Voice Agent Builderju — dve minuti sta dovolj, da slišiš, kako bi tvoj primer uporabe zvenel — nato pa, če te prototip prepriča, preklopiš na API za dejansko integracijo. Obratno zaporedje, torej začetek s kodo, za validacijo ideje nima več smisla.

Uradni vir: docs.x.ai/developers/models in x.ai/news

Ključne ugotovitve

  • Voice Agent Builder: ustvari glasovnega agenta brez kode (1. julij)
  • 21 novih večjezičnih glasov, napovedanih 6. julija; 28 glasov v katalogu na dan 3. novembra
  • Glasovni agent: 4,80 USD na uro (zabeleženo 3. novembra; 3 USD ob zapisu 28. julija) — proračun, izračunan v času, ne v žetonih
  • Prepisovanje: 0,10 USD/uro serijsko, 0,20 USD/uro pretokovno — pametno plačaj za realni čas