xAI 发布 Voice Agent Builder Beta，Grok Voice 基准测试超越 GPT

xAI 於 7 月 1 日宣布推出 Voice Agent Builder Beta 版，這是完全無程式碼的 AI 語音代理建置平台，讓用戶可在 2 分鐘內透過自然語言提示建置完成企業級語音代理；平台採用與 Grok Voice 緊密耦合的端到端 Speech-to-Speech 單一語音路徑，基準測試超越 GPT。

τ-voice Bench 基準測試：Grok Voice Think Fast 1.0 超越 GPT

（來源：xAI 網站）

根據 xAI 官方公布，Grok Voice Think Fast 1.0 在 τ-voice Bench 語音基準測試排行榜位居首位，在反應速度與推理能力兩項指標上直接超越 Google Gemini 3.1 Flash Live 及 OpenAI GPT Realtime 1.5。

xAI 說明，Grok Voice 使用真實且被設計為「最困難」的通話情境訓練，涵蓋低品質電話雜音、強烈口音、用戶中途打斷及模糊指令等場景，並原生支援 25 種以上語言。

端到端 Speech-to-Speech 架構：單一語音路徑取代傳統 STT+LLM+TTS 拼裝架構

xAI 官方說明，傳統企業 AI 語音客服須將語音轉文字（STT）、大型語言模型（LLM）與文字轉語音（TTS）三個獨立系統串接，這種拼裝架構增加了多跳點延遲，並提高錯誤率與運營成本。

Voice Agent Builder 採用與 Grok Voice 緊密耦合的端到端 Speech-to-Speech 單一語音路徑，整個語音處理流程不分段切換，旨在降低延遲並減少串接錯誤。

知識庫、工具串接、語音克隆與電話接入：四大核心功能規格

根據 xAI 官方功能說明，Voice Agent Builder 四大核心功能模組規格如下：

知識庫（Knowledge Base）：支援上傳 Word、Excel、PDF、JSON 等格式，可整理為跨代理共享的 Collections，確保產品規格與政策一致性

工具串接（Tools & Connectors）：內建 Google／Outlook 日曆、Web 搜尋、X（Twitter）搜尋及 Notion；支援轉接真人客服、結束通話與即時團隊通知

語音與電話（Voice & Telephony）：提供 80 款以上內建語音；支援僅需 2 分鐘音訊的品牌語音克隆；可免費獲取 xAI 提供的電話號碼，或透過 SIP 串接現有總機系統

透明計價（Pricing）：算力 API 費用每分鐘 0.05 美元，不收額外平台費；使用 xAI 提供的電話號碼時，額外收取每分鐘 0.01 美元通訊費

企業安全機制：自動錄音逐字稿、工具使用記錄與對話邊界設定

根據 xAI 官方公告，Voice Agent Builder 針對企業級用戶內建監控機制（Observability）與安全護欄（Guardrails）：每通電話自動錄音並生成逐字稿；管理員可隨時查看 AI 在通話中使用的工具記錄；並可設定嚴格的對話邊界，例如強制禁止 AI 讀出客戶信用卡卡號，或禁止與用戶討論離題的政治話題。

xAI 在官方公告中表示：「用耳朵判斷比看基準測試更準確——建一個代理，用你最困難的工作流程打電話試試看。」

常見問題

xAI Voice Agent Builder 的算力費用是多少？

根據 xAI 官方公告，算力 API 費用為每分鐘 0.05 美元，不收額外平台費；若使用 xAI 免費提供的電話號碼，則額外收取每分鐘 0.01 美元通訊費。

Grok Voice Think Fast 1.0 在 τ-voice Bench 的表現如何？

根據 xAI 官方公布，Grok Voice Think Fast 1.0 在 τ-voice Bench 基準測試中超越 Google Gemini 3.1 Flash Live 及 OpenAI GPT Realtime 1.5，在反應速度與推理能力兩項指標上位居排行榜首位。

xAI Voice Agent Builder 目前可在哪裡試用？

根據 xAI 官方公告，Voice Agent Builder Beta 版已於 xAI Console 正式上線，開放試用。