xAI正式發佈Grok Voice Agent API，面向開發者開放其在Tesla車輛及移動應用中已驗證的語音代理技術。據介紹，該API支持數十種語言，具備實時工具調用與網絡搜索能力，平均首音頻響應時間低於1秒，在Big Bench Audio評測中位列第一。

Grok Voice Agent API在Big Bench Audio音頻推理基準測試中排名第一，平均首音頻響應時間小於1秒，比最接近的競爭對手快近5倍。該API採用固定費率計費，每分鐘連接時間收費0.05美元。

Grok Voice Agent採用自研全棧語音技術，包括語音活動檢測、分詞器與音頻模型，定價為每分鐘0.05美元。API兼容OpenAI Realtime規範，並提供Ara、Eve、Leo等多款自然表達語音。

目前支持通過xAI LiveKit插件或瀏覽器語音沙盒快速接入。