2 分钟搭出一个能打电话的 AI,xAI 刚发了 Voice Agent Builder
以前做语音客服要拼三块:语音转文字 大模型 文字转语音,三个厂商,三倍延迟,三倍出故障的机会。
这个工具是端到端「语音对语音」,和 Grok Voice 紧耦合,不是拼装货。
跑分上 Grok Voice 在 τ-voice Bench 拿 67.3%,Gemini Flash Live 43.8%,GPT Realtime 35.3%。
怎么用:写段大白话描述通话流程 → 挂知识库 → 接工具(日历/Notion/X 搜索等)→ 上线。80 种声音,2 分钟录音克隆品牌声。
定价直接:每分钟音频 $0.05,免费号码再加 $0.01,没有平台费。
一句话——语音 agent 好不好,用耳朵判断比看榜更准。