两分钟上手生产级语音智能体：xAI 发布 Voice Agent Builder 测试版
- 零代码快速搭建—xAI发布Voice Agent Builder测试版，基于Grok Voice模型，实现零代码平台在两分钟内配置企业级语音智能体，大幅降低开发与运营门槛。
- 端到端集成架构—平台采用紧密耦合的统一路径，提供电话通信、知识库检索、工具接口、MCP服务器及合规防护等一站式能力，解决传统多环节拼接带来的成本与延迟问题。
- 性能评测大幅领先—在τ-voice Bench评测中，Grok Voice Think Fast1.0得分67.3%，显著高于Gemini 3.1 Flash Live（43.8%）与GPT Realtime 1.5（35.3%），优势源于针对性强化训练。
- 易用性与透明定价—支持自然语言描述目标、文档知识整合、80余种音色及声音克隆，API计费为0.05美元/分钟，电话服务加收0.01美元/分钟，附赠免费电话号码。
xAI 的 Voice Agent Builder：2分钟搭出语音智能体，每分钟0.05美元
核心能力
xAI 正式拿出了 Voice Agent Builder 的测试版本，一个零代码平台，依托自家 Grok Voice 模型，让开发者和运营者在 两分钟 内就能配置出一套完整的语音服务系统——比泡面还快，倒杯水的时间就能跑起来。
这个平台的核心卖点是端到端。传统语音方案得把语音转文字、大模型处理、文字转语音这几个模块拼在一起，成本叠加不说，延迟和故障风险也跟着涨。据试用过的开发者吐槽，xAI 搞了一条紧密耦合的统一路径，开箱就集成了 电话通信、知识库检索、自动化工具接口、MCP 服务器连接 和全流程合规防护（Guardrails）。不需要自己手动对接，省了不少事。
性能表现
在 τ-voice Bench 评测里，xAI 的核心模型 Grok Voice Think Fast1.0 拿下了 67.3% 的得分——比第二名 Gemini 3.1 Flash Live（43.8%）高出二十多个百分点，更把 GPT Realtime 1.5（35.3%）甩开一大截。群里在传，这成绩得益于模型在复杂通话场景的针对性强化训练，比如背景噪音、浓重口音和突发性打断，实测中确实扛得住。
易用与定价
对使用者来说，操作门槛低得离谱。用户只需要用 自然语言 描述通话目标，再上传各种格式的文档，智能体就自动完成知识整合。业务层面，开发者能直接调 API 连接器做预约安排、订单查询、触发外部系统工作流这些闭环操作。平台还内置了 80多种 音色，甚至允许用户拿 两分钟 音频样本做个性化声音克隆——差不多录一段语音备忘录的时间。
商业化定价很透明。平台不收额外的使用费，只按 API 计费：每分钟音频0.05美元，如果再用平台提供的电话服务，额外收 0.01美元/分钟。算下来比很多国际长途还便宜。每个账户还附赠一个 免费电话号码，从开发到生产阶段的门槛直接砍掉。
接下来盯着看：这会让传统语音服务商（比如 Twilio、Agora）的日子难受，因为他们拼模块的玩法可能会被这种一体化方案抢客户；受益方是想快速部署语音客服的中小企业，低成本多一条路。