xAI: Grok Voice Latest

O Grok Voice Latest fornece uma sessão de voz conversacional com vozes selecionáveis e interação com ferramentas. É útil para assistentes falados cujas respostas precisam permanecer conectadas a ações e informações da aplicação ao redor.

Comparar modelos

grok-voice-latest

DisponívelxAIÁudioSíncronoNovo

Preço: A partir de $0.001333
Lançado: 23 de abr. de 2026
Modalidades: Áudio

Sobre o Grok Voice Latest

Grok Voice Latest é o alias flutuante da xAI para seu modelo atual de fala para fala (speech-to-speech) em tempo real, usado para conduzir uma conversa falada por uma sessão WebSocket. No momento da avaliação, ele aponta para grok-voice-think-fast-2.0. Escolha-o quando um assistente de voz deve incorporar as melhorias da xAI sem alteração de código; fixe a versão do modelo quando o comportamento precisar permanecer inalterado.

Pontos fortes

É o alias que a xAI recomenda para agentes de voz que devem receber atualizações de modelo automaticamente, sem nenhuma alteração na configuração da sessão.
Uma sessão aceita vozes nativas ou personalizadas, detecção de atividade de voz no lado do servidor para alternância de turnos (turn-taking) e dicas de idioma para transcrição.
Agentes podem chamar pesquisas na web e no X, busca de arquivos em coleções de documentos, servidores MCP remotos e ferramentas de funções personalizadas.
As sessões podem ser retomadas após uma queda de conexão reutilizando um ID de conversa, o que é adequado para clientes telefônicos e móveis.

Quando usar outro modelo

Como o alias se move, a voz, o ritmo ou a escolha de palavras podem mudar após uma atualização; fixe o modelo versionado para produtos testados contra regressão.
Ele lida apenas com sessões de áudio ao vivo; transcrever gravações armazenadas ou renderizar texto preparado requer os modelos de conversão de fala em texto (speech-to-text) ou de texto em fala (text-to-speech).

Primeiros passos

Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.

Envie sua primeira requisição

Copie o exemplo para sua linguagem e execute-o no endpoint.

Tempo realWebSocket

WS/v1/realtime

// npm install ws
import WebSocket from 'ws';

const socket = new WebSocket("wss://api.tokenlab.sh/v1/realtime?model=grok-voice-latest", {
  headers: { Authorization: "Bearer sk-xxx" }
});

socket.on('open', () => {
  // Send the input events supported by this model with socket.send(...).
  // https://tokenlab.sh/docs/en/api-reference/realtime/connect
});
socket.on('message', (data) => console.log(data.toString()));
socket.on('error', (error) => console.error(error));
socket.on('close', (code, reason) => console.log(code, reason.toString()));

// Close the session when finished.
process.on('SIGINT', () => socket.close());

Preço

O preço oficial é a base pública do criador do modelo. O preço TokenLab é o que você paga por este modelo na TokenLab.

Audio Duration

por segundo

Preço oficial: $0.001333
Official: $0.001333
Desconto: —

	Preço oficialpor segundo	Officialpor segundo	Desconto
Audio Duration	$0.001333	$0.001333	—

Uso e atividade

A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.

Uso e disponibilidade

Últimas 24 horas

Requisições
Taxa de sucesso
Latência P95
Total de tokens

Desempenho do modelo

Última atualização 3 de out. de 2026, 19:27 UTC

As métricas aparecerão assim que os limites de privacidade e volume de dados forem atingidos.

Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.

Abrir no Console

Abra Grok Voice Latest no Console com um prompt pronto para editar ou enviar.

Ajude-me a testar grok-voice-latest com uma solicitação de áudio em /v1/realtime. Exiba o resultado e custo.

Casos de uso

Agentes para telefonia e centrais de atendimento (call center)
Atender chamadas de entrada usando codecs de telefonia, consultar uma conta por meio de uma ferramenta de função e transferir o chamador para uma pessoa quando a solicitação estiver fora da política.
Assistente de voz integrado ao aplicativo
Permitir que os usuários falem com um produto, com tokens efêmeros mantendo a chave de API fora do cliente e ferramentas alcançando os dados por trás do aplicativo.
Divulgações com roteiro dentro de uma chamada ao vivo
Inserir uma linha fixa e obrigatória para um aviso de conformidade enquanto o modelo lida com o resto da conversa.

Exemplos de prompt

Você é um assistente de agendamento para uma clínica odontológica. Cumprimente o chamador, pergunte do que ele precisa e ofereça os próximos dois horários disponíveis usando a ferramenta de calendário.

Mude para o espanhol quando o chamador o fizer, mantenha as respostas com no máximo duas frases e confirme o valor total do pedido antes de encerrar a chamada.

Pesquise em nossa coleção de políticas de devolução, responda à pergunta do cliente em voz alta e diga qual documento você usou.

FAQ

Qual modelo o grok-voice-latest executa?

É um alias que atualmente resolve para grok-voice-think-fast-2.0, o modelo de fala para fala em tempo real na suíte Grok Voice da xAI. A xAI aconselha o uso do alias para receber melhorias automaticamente, de modo que a versão subjacente pode mudar ao longo do tempo.

Quando devo fixar uma versão em vez de usar o alias?

Fixe o modelo versionado quando você tiver testado prompts, escolha de voz e comportamento de ferramentas e precisar que eles permaneçam estáveis. Use o alias em protótipos e produtos onde absorver atualizações sem reimplantar importa mais do que a repetibilidade exata.

Quais formatos de áudio uma sessão usa?

As sessões transportam PCM em taxas de amostragem de 8 kHz a 48 kHz, G.711 mu-law e A-law para telefonia, e Opus. O áudio trafega como mensagens JSON em base64 ou como quadros (frames) WebSocket binários.

O agente de voz pode chamar ferramentas?

Sim, de acordo com a documentação de voz da xAI: pesquisa na web e no X, busca de arquivos, servidores MCP remotos e suas próprias ferramentas de função definidas com esquemas JSON. Verifique se a sua integração passa as definições de ferramentas na configuração da sessão.

Posso manter uma conversa após uma desconexão?

Sim. A retomada de sessão faz cache de turnos anteriores sob um ID de conversa, de modo que um cliente que se reconecta após uma queda de rede pode continuar o mesmo diálogo em vez de recomeçar do zero.

Quanto custa o Grok Voice Latest?

No TokenLab, Grok Voice Latest custa $0.001333 por segundo. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.

Qual endpoint o Grok Voice Latest deve usar?

Use https://api.tokenlab.sh/v1/realtime para Grok Voice Latest. O exemplo de requisição abaixo mostra o formato de código correspondente.

Quais operações o Grok Voice Latest suporta?

Grok Voice Latest suporta Tempo real. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.