xAI запускає бета-версію Voice Agent Builder, Grok Voice перевершує GPT у бенчмарках.

xAI 1 липня оголосила про запуск бета-версії Voice Agent Builder — повністю безкодової платформи для створення голосових AI-агентів. Користувачі можуть створити корпоративний голосовий агент за допомогою природномовних підказок менш ніж за 2 хвилини. Платформа використовує наскрізний єдиний голосовий шлях Speech-to-Speech, тісно інтегрований з Grok Voice, і перевершує GPT за бенчмарками.

τ-voice Bench: Grok Voice Think Fast 1.0 перевершує GPT

(Джерело: веб-сайт xAI)

Згідно з офіційними даними xAI, Grok Voice Think Fast 1.0 посідає перше місце в рейтингу голосових бенчмарків τ-voice Bench, безпосередньо перевершуючи Google Gemini 3.1 Flash Live та OpenAI GPT Realtime 1.5 за показниками швидкості відповіді та здатності до міркувань.

xAI пояснює, що Grok Voice навчався на реальних і спеціально розроблених «найскладніших» сценаріях дзвінків, включаючи низькоякісний телефонний шум, сильний акцент, переривання користувача та нечіткі команди, і нативно підтримує понад 25 мов.

Наскрізна архітектура Speech-to-Speech: єдиний голосовий шлях замінює традиційну збірну архітектуру STT+LLM+TTS

Офіційні джерела xAI пояснюють, що традиційне корпоративне AI-голосове обслуговування вимагає послідовного з'єднання трьох незалежних систем: перетворення мови в текст (STT), великої мовної моделі (LLM) і перетворення тексту в мову (TTS). Така збірна архітектура збільшує затримку на кількох етапах, а також підвищує рівень помилок і операційні витрати.

Voice Agent Builder використовує наскрізний єдиний голосовий шлях Speech-to-Speech, тісно інтегрований з Grok Voice. Весь процес обробки голосу не розбивається на сегменти, що має на меті зменшити затримку та помилки з'єднання.

База знань, інтеграція інструментів, клонування голосу та телефонний доступ: чотири ключові функціональні можливості

Відповідно до офіційного опису функцій xAI, чотири основні функціональні модулі Voice Agent Builder мають такі характеристики:

База знань (Knowledge Base): підтримує завантаження файлів Word, Excel, PDF, JSON тощо, які можна організувати в колекції (Collections) для спільного використання між агентами, забезпечуючи узгодженість специфікацій продукту та політик.

Інтеграція інструментів (Tools & Connectors): вбудовані календарі Google/Outlook, веб-пошук, пошук X (Twitter) та Notion; підтримує переадресацію на живого оператора, завершення дзвінка та миттєві сповіщення команди.

Голос і телефонія (Voice & Telephony): понад 80 вбудованих голосів; підтримує клонування брендового голосу лише за 2 хвилини аудіо; можливість безкоштовно отримати номер телефону від xAI або підключити існуючу АТС через SIP.

Прозоре ціноутворення (Pricing): плата за API обчислень становить 0,05 долара за хвилину, без додаткових платформних зборів; при використанні номера телефону, наданого xAI, стягується додаткова плата за зв'язок у розмірі 0,01 долара за хвилину.

Корпоративні механізми безпеки: автоматичний запис із розшифровкою, журнал використання інструментів та налаштування меж діалогу

Згідно з офіційним повідомленням xAI, Voice Agent Builder має вбудовані механізми моніторингу (Observability) та захисні бар'єри (Guardrails) для корпоративних користувачів: кожен дзвінок автоматично записується та створюється розшифровка; адміністратори можуть у будь-який час переглядати журнал використання інструментів AI під час розмови; а також можна встановлювати суворі межі діалогу, наприклад, примусово забороняти AI озвучувати номер кредитної картки клієнта або обговорювати з користувачем недоречні політичні теми.

xAI заявляє в офіційному повідомленні: «Оцінювати на слух точніше, ніж дивитися на бенчмарки – створіть агента і зателефонуйте йому, використовуючи ваш найскладніший робочий процес.»

Поширені запитання

Яка вартість обчислень xAI Voice Agent Builder?

Згідно з офіційним повідомленням xAI, плата за API обчислень становить 0,05 долара за хвилину, без додаткових платформних зборів; при використанні безкоштовного номера телефону, наданого xAI, стягується додаткова плата за зв'язок у розмірі 0,01 долара за хвилину.

Які результати Grok Voice Think Fast 1.0 у τ-voice Bench?

Згідно з офіційними даними xAI, Grok Voice Think Fast 1.0 перевершує Google Gemini 3.1 Flash Live та OpenAI GPT Realtime 1.5 у бенчмарку τ-voice Bench, посідаючи перше місце в рейтингу за показниками швидкості відповіді та здатності до міркувань.

Де зараз можна випробувати xAI Voice Agent Builder?

Згідно з офіційним повідомленням xAI, бета-версія Voice Agent Builder вже доступна в xAI Console для тестування.