xAI 发布 Voice Agent Builder 测试版，两分钟搭出语音智能体

xAI 正式放出了 Voice Agent Builder 的测试版本，目标是大幅压低企业级语音智能体的搭建门槛。这是一个零代码平台，基于自研的 Grok Voice 模型，开发者和运营人员用两分钟就能配置出一套可用的语音服务系统。

Voice Agent Builder 的核心思路是走端到端的统一路径。传统的语音方案通常要把语音转文字、大模型处理、文字转语音等多个环节拼起来，不仅成本叠加，延迟和故障点也更多。xAI 把电话通信、知识库检索、自动化工具接口、MCP 服务器连接以及全流程合规防护（Guardrails）全部打包在一起，开箱即用。

在 τ-voice Bench 评测体系下，核心模型 Grok Voice Think Fast1.0 的得分达到 67.3%，明显高于 Gemini3.1Flash Live（43.8%）和 GPT Realtime1.5（35.3%）。这一表现，得益于针对复杂通话场景——背景噪音、浓重口音、突发性打断——所做的强化训练。

用户只需用自然语言描述通话目标，并上传各类格式的文档，智能体就能自动完成知识整合。在业务执行层面，开发者可以调用各种 API 连接器，实现预约安排、订单状态查询，甚至触发外部系统的工作流。平台内置 80 多种音色，还允许通过两分钟的音频样本进行个性化声音克隆。

定价上，xAI 保持着“透明且极简”的原则。平台不收取额外使用费，只按 API 用量计费，每分钟音频 0.05 美元。如果使用平台提供的电话服务，每分钟额外加收 0.01 美元。每个账户附赠一个免费电话号码，开发到生产之间的门槛被进一步压低。

Voice Agent Builder 上线后，xAI 试图通过技术集成与透明的计费模式，重塑语音智能体的商业价值链，为希望快速部署语音服务的企业提供了一个高效率的竞争选择。