xAI Voice Agent Builder Beta Release

xAI 已推出 Voice Agent Builder beta 版，這是一個無程式碼平台，旨在讓開發者和營運商能夠使用 Grok Voice 配置生產級的語音代理。該平台透過將電話功能、知識檢索、工具、護欄（guardrails）和可觀測性整合到單一介面中，消除了從頭開始構建複雜周邊技術棧的需求。

Native Speech-to-Speech Architecture

Voice Agent Builder 使用專為 Grok Voice 構建的語音對語音（speech-to-speech）路徑，而非傳統將語音轉文字、語言模型和文字轉語音三個獨立 API 串接起來的方法。透過將模型與語音路徑緊密耦合，xAI 旨在降低與多供應商 API 跳轉相關的成本、延遲和失敗模式。

Performance Benchmarks on Complex Calls

為了應對現實世界電話通訊的挑戰——例如低品質音訊、背景噪音、強烈口音和中斷——Grok Voice 在高難度的通話中進行了訓練。效能透過模擬這些條件的 τ-voice Bench 進行衡量。根據 xAI 排行榜，Grok Voice Think Fast 1.0 獲得了 67.3% 的分數，顯著優於 Gemini 3.1 Flash Live (43.8%) 和 GPT Realtime 1.5 (35.3%)。

Agent Configuration and Capabilities

使用者可以透過提供通話流程的自然語言描述並附加必要資源，在約兩分鐘內部署一個可運行的代理。

Knowledge Base and Retrieval

代理以知識庫為基礎，使用者可以在其中上傳 Markdown、plain text、Word、PowerPoint、Excel、HTML 和 JSON 等格式的文件。這些文件被組織成集合（collections），允許在多個代理之間共享政策和產品規格，以確保一致性。

Tool Integration and Actionability

代理可以透過工具和連接器執行動作，使其能夠：

• 使用 Google Calendar 或 Outlook Calendar 預約行程。
• 透過電子郵件提供商發送確認函。
• 透過 API 請求檢查訂單狀態或進行退款。
• 使用 web search 或 X search 檢索當前公開資訊。
• 在 Linear 或 Notion 中管理工單。
• 從 Google Drive 或 OneDrive 存取檔案。
• 將電話轉接到人工團隊成員或乾淨地結束通話。

Voice Customization and Telephony

代理可以使用內建語音，或使用兩分鐘音訊所建立的自定義品牌語音克隆。連線選項包括免費提供的電話號碼、來自主要電話供應商現有號碼的直接 SIP 連接，或透過 WebSocket 進行瀏覽器端測試。

Observability and Guardrails

每次通話都會被記錄並轉錄，允許營運商審查音訊、閱讀轉錄文本並檢查工具使用情況。該平台包含護欄（guardrails）以防止代理執行禁止的動作，例如討論劇本之外的話題或唸出信用卡號碼。

Pricing Model

Voice Agent Builder 的計費方式為每分鐘音訊 0.05 美元的 API 費率，已包含語音功能且無額外平台費。使用免費提供的電話號碼進行電話通訊的費用為每分鐘額外 0.01 美元。