xAI ra mắt Voice Agent Builder: 'Cạ cứng' thị trường tổng đài AI với mức giá $0.05/phút, không cần viết code

Tổng quan

Ngày 1/7/2026, xAI chính thức ra mắt Voice Agent Builder – một nền tảng không-code cho phép bất kỳ ai tạo ra các tổng đài viên AI có giọng nói giống người thật, được hỗ trợ bởi mô hình Grok, mà không cần viết một dòng code nào . Sản phẩm này là đỉnh cao của một chuỗi phát triển sản phẩm thần tốc: Voice Agent API (tháng 5/2026), Custom Voices (tháng 5/2026), Grok Voice Think Fast 1.0 (tháng 4/2026), và giờ là một trình xây dựng kéo-thả trực quan trên nền tảng đó .

Tính năng chính

• Trình xây dựng trực quan, không cần code – Thiết kế tổng đài viên bằng giao diện kéo-thả, định nghĩa prompt, luồng hội thoại và phản hồi một cách trực quan .
• Hơn 80 giọng nói có sẵn + sao chép giọng nói – Có thể sao chép giọng nói của bất kỳ ai từ một đoạn ghi âm dài khoảng 1 phút thông qua API Custom Voices, với quy trình xác minh quyền sở hữu và thời gian xử lý chỉ khoảng 2 phút .
• Chạy trên nền tảng Grok Voice Think Fast 1.0 – Độ trễ dưới 1 giây, khả năng suy luận đa bước, hội thoại thời gian thực dạng speech-to-speech .
• Gọi công cụ / Gọi hàm – Tổng đài viên có thể thực thi tìm kiếm web, tìm kiếm trên X, gọi API tùy chỉnh và các công cụ MCP trong quá trình trò chuyện .
• Tích hợp điện thoại – Kết nối tổng đài viên qua SIP, WebSocket hoặc LiveKit để thực hiện và nhận cuộc gọi điện thoại thực tế qua mạng PSTN .
• Truy xuất tệp tin – Tổng đài viên có thể lấy thông tin từ các tài liệu được tải lên.
• Hỗ trợ hơn 100 ngôn ngữ – Đầu ra đa ngôn ngữ với API Custom Voices .
• Định giá cho đầu vào văn bản: $0.004 cho mỗi tin nhắn văn bản đầu vào .

Cách hoạt động

1. Người dùng mở giao diện xây dựng trên nền tảng xAI.
2. Chọn một giọng nói (hoặc sao chép từ một đoạn ghi âm ngắn).
3. Cấu hình hướng dẫn, công cụ và logic hội thoại một cách trực quan.
4. Tổng đài viên kết nối qua WebSocket, SIP hoặc LiveKit để truyền phát âm thanh hai chiều thời gian thực .
5. Cuộc gọi được tính phí $0.05 mỗi phút âm thanh ($3.00/giờ) cộng thêm $0.004 cho mỗi tin nhắn văn bản đầu vào .

Mức giá $0.05/phút: Bản chất thực sự là gì?

Mức giá $0.05 mỗi phút của xAI bao gồm toàn bộ chi phí xử lý âm thanh – từ nhận dạng giọng nói, suy luận LLM, đến tổng hợp giọng nói – tất cả đều được hỗ trợ bởi Grok . Đây là chi phí trọn gói cho tổng đài viên AI, không phải phí nền tảng.

So sánh với đối thủ

Nền tảng	Giá niêm yết	Bao gồm những gì	Chi phí thực tế
xAI Voice Agent Builder	$0.05/phút	Toàn bộ hệ thống Grok + STT + TTS + LLM + điện thoại	~$0.05/phút (trọn gói)
Vapi	$0.05/phút	Chỉ phí nền tảng; STT, LLM, TTS, điện thoại tính phí riêng	$0.15–$0.31/phút
Retell AI	$0.07/phút	Chỉ phần xử lý giọng nói; cộng thêm chi phí LLM	$0.11–$0.19/phút

Điểm mấu chốt: Vapi có mức giá niêm yết $0.05 tương tự xAI, nhưng đó chỉ là phí nền tảng/điều phối – các chi phí cho STT, LLM, TTS và nhà cung cấp dịch vụ điện thoại được tính riêng, khiến chi phí thực tế cao gấp 3-6 lần . Retell AI với mức $0.07 cũng chỉ là phí cho phần xử lý giọng nói . Bland AI với mức $0.11–$0.14 là trọn gói nhưng vẫn cao hơn gấp đôi so với xAI . $0.05/phút của xAI là mức giá trọn gói rẻ nhất trên thị trường tính đến tháng 7/2026.

Đối tượng mục tiêu

• Doanh nghiệp vừa và nhỏ – Nhà hàng, phòng khám, bất động sản, khách sạn, trung tâm trợ giúp – những nơi muốn có tổng đài viên AI mà không cần thuê lập trình viên .
• Người vận hành không chuyên về kỹ thuật – Trình xây dựng không-code loại bỏ nhu cầu về đội ngũ kỹ thuật hoặc nhiều tháng thiết lập .
• Đội ngũ hỗ trợ khách hàng doanh nghiệp – Hệ thống tích hợp đầy đủ của xAI (điện thoại, sử dụng công cụ, truy xuất tệp tin, độ trễ dưới 1 giây) nhắm đến việc thay thế các hệ thống IVR truyền thống và tổng đài viên ở quy mô lớn .

Ý nghĩa chiến lược

Voice Agent Builder đánh dấu bước tiến của xAI vào thị trường hạ tầng tổng đài doanh nghiệp, cạnh tranh trực tiếp với Vapi, Retell AI, Bland AI và hệ sinh thái Twilio. Một số yếu tố khiến đây là một bước đi chiến lược quan trọng:

1. Hệ thống tích hợp dọc – xAI kiểm soát mô hình (Grok), tổng hợp giọng nói (Custom Voices), công cụ suy luận (Think Fast 1.0) và giờ là lớp triển khai. Không đối thủ nào sở hữu tất cả các lớp này .
2. Giá cả là lợi thế cạnh tranh – Mức $0.05/phút trọn gói thấp hơn đáng kể so với chi phí thực tế của đối thủ, được thiết kế để phá giá toàn bộ thị trường và thúc đẩy việc áp dụng nhanh chóng .
3. Không-code hạ thấp rào cản – Bằng cách loại bỏ nhu cầu về lập trình viên, xAI mở rộng thị trường mục tiêu từ "lập trình viên xây dựng ứng dụng giọng nói" thành "bất kỳ doanh nghiệp nào nhận cuộc gọi điện thoại" .

Kết luận: xAI đang sử dụng giao diện không-code và mức giá trọn gói quyết liệt để vượt qua các mô hình định giá phân mảnh của đối thủ và chiếm lĩnh thị trường tổng đài viên AI đang phát triển nhanh – thách thức trực tiếp các nền tảng AI giọng nói đã có uy tín với một hệ thống tích hợp dọc hoàn toàn do mình sở hữu.