xAI: Grok Voice Think Fast 2.0

Grok Voice Think Fast 2.0 es un modelo de voz para conversación en vivo. Es un candidato para interfaces habladas en las que el asistente debe seguir el ritmo de un intercambio en curso en lugar de simplemente leer un guion preparado.

Comparar modelos

grok-voice-think-fast-2.0

DisponiblexAIAudioSíncrono

Precio: Desde $0.001333
Modalidades: Audio

Sobre Grok Voice Think Fast 2.0

Grok Voice Think Fast 2.0 es el modelo de voz en tiempo real de xAI para conversaciones bidireccionales en vivo, diseñado para asistentes que deben seguir el ritmo de un hablante en lugar de leer un guion preparado. Es el modelo versionado detrás del alias grok-voice-latest. Utilice este ID exacto cuando un producto requiera una versión de modelo fija para sus respuestas habladas.

Puntos fuertes

Es la versión fija y numerada detrás del alias de agente de voz de xAI, por lo que el comportamiento permanece vinculado a un modelo hasta que usted decida cambiarlo.
La detección de actividad de voz en el lado del servidor gestiona los turnos de palabra, por lo que el cliente transmite el audio del micrófono sin necesidad de su propia lógica de pausa.
Las instrucciones por respuesta permiten que una sesión cambie el prompt del sistema para una sola réplica, por ejemplo, para cambiar el tono durante la explicación de un reembolso.
Los reemplazos de pronunciación corrigen cómo se dicen los nombres y términos de productos sin alterar la transcripción.

Cuándo buscar otra opción

Es un modelo conversacional de voz a voz, por lo que la transcripción por lotes de archivos y la narración de textos largos se gestionan mejor con los modelos de voz dedicados.
Mantener una conexión abierta para audio en vivo requiere un cliente WebSocket; una llamada simple de solicitud y respuesta no será suficiente.

Primeros pasos

Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.

Envía tu primera solicitud

Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.

AudioChat Completions API

POST/v1/chat/completions

curl https://api.tokenlab.sh/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxx" \
  -d '{
    "model": "grok-voice-think-fast-2.0",
    "messages": [
      {"role": "user", "content": "Hello!"}
    ]
  }'

Precios

El precio oficial es la línea base pública del creador del modelo. El precio de TokenLab es lo que pagas por este modelo en TokenLab.

Audio Duration

por segundo

Precio Official: $0.001333
Official: $0.001333
Descuento: —

	Precio Officialpor segundo	Officialpor segundo	Descuento
Audio Duration	$0.001333	$0.001333	—

Uso y actividad

La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.

Uso y disponibilidad

Últimas 24 horas

Solicitudes
Tasa de éxito
Latencia P95
Total de tokens

Desempeño del modelo

Última actualización 3 oct 2026, 19:23 UTC

Las métricas aparecerán una vez que se alcancen los umbrales de privacidad y volumen de datos.

Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.

Casos de uso

Reemplazo de respuesta de voz interactiva (IVR)
Reemplace los menús telefónicos basados en opciones por un interlocutor que simplemente expone el problema, mientras el agente transfiere la llamada o la resuelve.
Compañero de práctica de idiomas
Mantenga un diálogo hablado en un idioma objetivo, corrigiendo errores en voz alta y ajustando la velocidad cuando el estudiante lo solicite.
Asistente de campo manos libres
Permita que un técnico haga preguntas sobre un manual mediante voz y escuche las respuestas mientras mantiene ambas manos ocupadas en el equipo.

Ejemplos de prompts

Eres un agente de soporte tranquilo de un proveedor de internet. Solicita el código postal de la cuenta y luego guía al interlocutor para reiniciar el router.

Pronuncia nuestra marca 'Zyntra' como ZIN-tra, mantén un tono amable y nunca interrumpas al interlocutor a mitad de una frase.

Actúa como un tutor de portugués. Habla despacio, repite mi frase corregida y haz una pregunta de seguimiento en cada turno.

FAQ

¿Cuál es la diferencia entre grok-voice-think-fast-2.0 y grok-voice-latest?

grok-voice-think-fast-2.0 es una versión específica del modelo, mientras que grok-voice-latest es un alias que actualmente apunta a ella. El alias cambiará a versiones más recientes; el nombre con fecha permanece en la versión que usted probó.

¿Es Grok Voice Think Fast 2.0 un modelo de texto a voz?

No. Escucha y responde en una sesión en vivo, recibiendo audio y produciendo respuestas habladas. Para convertir texto preparado en audio, utilice Grok Voice TTS; para transcribir grabaciones, utilice Grok Voice STT.

¿Cómo decide cuándo he terminado de hablar?

Las sesiones pueden habilitar la detección de actividad de voz en el servidor, la cual detecta el final del turno del usuario e inicia la respuesta. También puede gestionar los turnos usted mismo si su cliente ya cuenta con la función de pulsar para hablar (push-to-talk).

¿Qué voces puede utilizar?

Una sesión puede elegir entre las voces integradas de xAI, con 'eve' como predeterminada, o una voz personalizada clonada a partir de una grabación de referencia corta. Las voces integradas hablan todos los idiomas compatibles.

¿Cuánto cuesta Grok Voice Think Fast 2.0?

En TokenLab, Grok Voice Think Fast 2.0 cuesta $0.001333 por segundo. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.

¿Qué endpoint debe usar Grok Voice Think Fast 2.0?

Utiliza https://api.tokenlab.sh/v1/chat/completions para Grok Voice Think Fast 2.0. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.