xAI: Grok Voice Latest

Grok Voice Latest cung cấp phiên hội thoại giọng nói với các giọng nói có thể lựa chọn và tương tác công cụ. Nó hữu ích cho các trợ lý giọng nói mà phản hồi cần duy trì kết nối với các hành động và thông tin từ ứng dụng xung quanh.

So sánh mô hình

grok-voice-latest

Sẵn sàngxAIÂm thanhĐồng bộMới

Giá: Từ $0.001333
Ngày phát hành: 23 thg 4, 2026
Phương thức: Âm thanh

Về Grok Voice Latest

Grok Voice Latest là một tên gọi chung của xAI dành cho mô hình chuyển đổi giọng nói thành giọng nói (speech-to-speech) thời gian thực hiện tại của họ, được sử dụng để duy trì cuộc hội thoại bằng giọng nói qua phiên WebSocket. Tại thời điểm đánh giá, nó trỏ đến grok-voice-think-fast-2.0. Hãy chọn nó khi trợ lý giọng nói cần tiếp nhận các cải tiến của xAI mà không cần thay đổi mã nguồn; hãy ghim (pin) mô hình có phiên bản cụ thể khi hành vi cần được giữ nguyên cố định.

Ưu điểm

Đây là tên gọi mà xAI khuyên dùng cho các tác nhân giọng nói cần nhận các bản nâng cấp mô hình tự động, mà không cần thay đổi cấu hình phiên.
Một phiên chấp nhận giọng nói có sẵn hoặc tùy chỉnh, tính năng phát hiện hoạt động giọng nói ở phía máy server để quản lý lượt nói qua lại, và các gợi ý ngôn ngữ để phiên âm.
Các tác nhân có thể gọi tìm kiếm trên web và X, tìm kiếm tệp trên các bộ tài liệu, các máy chủ MCP từ xa, và các công cụ hàm tùy chỉnh.
Các phiên có thể tiếp tục sau khi kết nối bị ngắt bằng cách tái sử dụng ID cuộc hội thoại, điều này phù hợp với các ứng dụng khách trên điện thoại và thiết bị di động.

Khi nào nên chọn model khác

Vì tên gọi này có thể thay đổi, giọng nói, nhịp độ hoặc từ ngữ có thể dịch chuyển sau một lần nâng cấp; hãy ghim mô hình có phiên bản cụ thể cho các sản phẩm đã được kiểm thử hồi quy.
Nó chỉ xử lý các phiên âm thanh trực tiếp; việc phiên âm các bản ghi âm đã lưu hoặc chuyển đổi văn bản đã chuẩn bị cần dùng đến các mô hình chuyển đổi giọng nói thành văn bản hoặc văn bản thành giọng nói.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

Thời gian thựcWebSocket

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());

Giá

Giá Official là mức giá công khai của nhà phát triển. Giá TokenLab là số tiền bạn trả cho mô hình này trên TokenLab.

Audio Duration

mỗi giây

Giá niêm yết: $0.001333
Official: $0.001333
Giảm giá: —

	Giá niêm yếtmỗi giây	Officialmỗi giây	Giảm giá
Audio Duration	$0.001333	$0.001333	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 19:22 UTC 3 thg 10, 2026

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Grok Voice Latest trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử grok-voice-latest với yêu cầu âm thanh ngắn tại /v1/realtime. Hiển thị kết quả và chi phí.

Tình huống sử dụng

Tác nhân tổng đài và điện thoại
Trả lời các cuộc gọi đến qua các codec điện thoại, tra cứu tài khoản thông qua công cụ hàm, và chuyển người gọi cho nhân viên con người khi yêu cầu nằm ngoài chính sách.
Trợ lý giọng nói trong ứng dụng
Cho phép người dùng nói chuyện với sản phẩm, với các token tạm thời giúp giữ khóa API khỏi máy khách và các công cụ tiếp cận dữ liệu đằng sau ứng dụng.
Thông báo theo kịch bản bên trong một cuộc gọi trực tiếp
Chèn một câu lệnh bắt buộc và cố định cho thông báo tuân thủ trong khi mô hình xử lý phần còn lại của cuộc hội thoại.

Ví dụ prompt

Bạn là trợ lý đặt lịch cho một phòng khám nha khoa. Hãy chào người gọi, hỏi họ cần gì, và đưa ra hai khung giờ trống tiếp theo sử dụng công cụ lịch.

Chuyển sang tiếng Tây Ban Nha khi người gọi sử dụng, giữ các câu trả lời dưới hai câu, và xác nhận tổng số tiền đơn hàng trước khi kết thúc cuộc gọi.

Tìm kiếm bộ sưu tập chính sách đổi trả của chúng tôi, trả lời câu hỏi của khách hàng bằng lời, và nói rõ tài liệu bạn đã sử dụng.

FAQ

Mô hình nào đang chạy grok-voice-latest?

Đây là một tên gọi hiện trỏ đến grok-voice-think-fast-2.0, mô hình chuyển đổi giọng nói thành giọng nói thời gian thực trong bộ Grok Voice của xAI. xAI khuyên dùng tên gọi này để tự động nhận các cải tiến, vì vậy phiên bản cơ sở có thể thay đổi theo thời gian.

Khi nào tôi nên ghim một phiên bản thay vì sử dụng tên gọi chung?

Hãy ghim mô hình có phiên bản khi bạn đã kiểm thử các câu lệnh (prompt), lựa chọn giọng nói và hành vi công cụ, đồng thời cần chúng duy trì sự ổn định. Hãy sử dụng tên gọi chung trong các bản mẫu (prototype) và sản phẩm nơi việc tiếp nhận các bản nâng cấp mà không cần triển khai lại quan trọng hơn tính lặp lại chính xác tuyệt đối.

Một phiên sử dụng các định dạng âm thanh nào?

Các phiên mang dữ liệu PCM ở tần số lấy mẫu từ 8 kHz đến 48 kHz, G.711 mu-law và A-law cho điện thoại, và Opus. Âm thanh truyền đi dưới dạng thông điệp JSON base64 hoặc dưới dạng các khung WebSocket nhị phân.

Trợ lý giọng nói có thể gọi các công cụ không?

Có, theo tài liệu về giọng nói của xAI: tìm kiếm web và X, tìm kiếm tệp, máy chủ MCP từ xa, và các công cụ hàm của riêng bạn được định nghĩa bằng lược đồ JSON. Hãy kiểm tra để đảm bảo tích hợp của bạn truyền các định nghĩa công cụ trong phần thiết lập phiên.

Tôi có thể giữ lại cuộc hội thoại sau khi bị ngắt kết nối không?

Có. Tính năng tiếp tục phiên lưu đệm các lượt trước đó dưới một ID cuộc hội thoại, do đó một ứng dụng khách kết nối lại sau khi bị rớt mạng có thể tiếp tục cuộc đối thoại hiện tại thay vì phải bắt đầu lại từ đầu.

Grok Voice Latest có giá bao nhiêu?

Trên TokenLab, Grok Voice Latest có giá $0.001333 mỗi giây. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Grok Voice Latest nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/realtime làm mặc định cho Grok Voice Latest. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Grok Voice Latest hỗ trợ những thao tác nào?

Grok Voice Latest hỗ trợ Thời gian thực. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.