主要功能

• 免寫程式視覺化建構器 — 透過圖形化介面設計語音代理的提示、對話流程與回應，無需開發者背景 。
• 80 種以上預設語音 加上 語音克隆 — 從一段約 1 分鐘的音檔中，透過 Custom Voices API 克隆任何人的聲音，具備所有權驗證，處理時間約 2 分鐘 。
• 基於 Grok Voice Think Fast 1.0 — 亞秒級延遲、多步驟推理、由 Grok 驅動的即時語音對話 。
• 工具呼叫／函式呼叫 — 語音代理能在對話過程中執行網路搜尋、X 平台搜尋、自訂 API 呼叫以及 MCP 工具 。
• 整合電信系統 — 可透過 SIP、WebSocket 或 LiveKit 連接，實現撥打和接聽真實電話 。
• 檔案檢索 — 語音代理能從上傳的文件中提取資訊。
• 支援超過 100 種語言 — Custom Voices API 支援多語系輸出 。
• 文字輸入定價：每則文字輸入訊息為 0.004 美元 。

運作方式

1. 使用者在 xAI 平台上打開建構器介面。
2. 選擇一種語音（或從短音檔克隆聲音）。
3. 以視覺化方式設定語音代理的指令、工具與對話邏輯。
4. 語音代理透過 WebSocket、SIP 或 LiveKit 進行即時雙向音訊串流 。
5. 通話費用為每分鐘 0.05 美元（每小時 3.00 美元），再加上每則文字輸入訊息 0.004 美元 。

定價：每分鐘 0.05 美元 — 真正的意涵

xAI 的 每分鐘 0.05 美元 涵蓋了 完整的音訊推理堆疊 — 語音轉語音、LLM 推理、語音合成 — 全部由 Grok 驅動 。這是 全包式的語音代理成本，而非平台費。

與競爭對手的比較

關鍵洞察： Vapi 的表面價格與 xAI 同為 0.05 美元，但那只是 平台/編排費 — 底層的 STT、LLM、TTS 與電信商費用需另計，導致實際通話成本高出 3 到 6 倍 。Retell 的 0.07 美元同樣只是語音引擎層的費用 。Bland 的 0.11–0.14 美元雖已捆綁，但價格仍是 xAI 的兩倍以上 。截至 2026 年 7 月，xAI 的每分鐘 0.05 美元是市場上最便宜的捆綁式全包價格。

目標客群

• 中小型企業 — 餐廳、診所、房地產、飯店、客服中心 — 這些企業想使用 AI 電話語音代理，但不想聘請開發人員 。
• 非技術型營運者 — 免寫程式碼的建構器消除了對工程團隊或數月準備工作的需求 。
• 企業客戶支援團隊 — xAI 的全端技術（電信、工具使用、檔案檢索、亞秒級延遲）旨在大規模取代傳統 IVR 系統與客服人員 。

戰略意義

Voice Agent Builder 是 xAI 直接切入企業電信基礎設施市場 的敲門磚，與 Vapi、Retell AI、Bland AI 乃至 Twilio 生態系統正面競爭。以下幾點使其成為一場戰略性的圈地運動：

1. 垂直整合的全端技術 — xAI 同時掌控模型 (Grok)、語音合成 (Custom Voices)、推理引擎 (Think Fast 1.0) 以及現在的部署層。沒有任何競爭對手能同時擁有所有這些層級 。
2. 以定價作為突破口 — 每分鐘 0.05 美元的全包價格，遠低於競爭對手的真實成本，旨在削弱整個市場並推動快速普及 。
3. 免寫程式降低門檻 — 消除了對開發者的需求，xAI 將可觸及的市場從「正在建立語音應用程式的開發者」擴展到「任何需要接聽電話的企業」 。
4. 與 xAI API 業務相輔相成 — Voice Agent Builder 建立在 Voice Agent API 之上，使用量會直接帶動 API 消耗與 Grok 的採用，進而強化 xAI 整體平台的鎖定效應 。
5. 即時 AI 基礎設施 — 結合電信 (SIP/PSTN)、即時語音轉語音以及能使用工具的 AI 代理，xAI 正將自己定位為下一波 AI 原生聯絡中心的基礎設施供應商，而不僅僅是一家聊天機器人公司 。

結論： xAI 正利用免寫程式碼的介面與積極的全包定價，來繞過競爭對手零散的定價模式，搶佔快速成長的 AI 電話語音代理市場 — 直接以完全自有、垂直整合的全端技術，挑戰既有語音 AI 平台。

主要功能

• 免寫程式視覺化建構器 — 透過圖形化介面設計語音代理的提示、對話流程與回應，無需開發者背景 。
• 80 種以上預設語音 加上 語音克隆 — 從一段約 1 分鐘的音檔中，透過 Custom Voices API 克隆任何人的聲音，具備所有權驗證，處理時間約 2 分鐘 。
• 基於 Grok Voice Think Fast 1.0 — 亞秒級延遲、多步驟推理、由 Grok 驅動的即時語音對話 。
• 工具呼叫／函式呼叫 — 語音代理能在對話過程中執行網路搜尋、X 平台搜尋、自訂 API 呼叫以及 MCP 工具 。
• 整合電信系統 — 可透過 SIP、WebSocket 或 LiveKit 連接，實現撥打和接聽真實電話 。
• 檔案檢索 — 語音代理能從上傳的文件中提取資訊。
• 支援超過 100 種語言 — Custom Voices API 支援多語系輸出 。
• 文字輸入定價：每則文字輸入訊息為 0.004 美元 。

運作方式

1. 使用者在 xAI 平台上打開建構器介面。
2. 選擇一種語音（或從短音檔克隆聲音）。
3. 以視覺化方式設定語音代理的指令、工具與對話邏輯。
4. 語音代理透過 WebSocket、SIP 或 LiveKit 進行即時雙向音訊串流 。
5. 通話費用為每分鐘 0.05 美元（每小時 3.00 美元），再加上每則文字輸入訊息 0.004 美元 。

定價：每分鐘 0.05 美元 — 真正的意涵

xAI 的 每分鐘 0.05 美元 涵蓋了 完整的音訊推理堆疊 — 語音轉語音、LLM 推理、語音合成 — 全部由 Grok 驅動 。這是 全包式的語音代理成本，而非平台費。

與競爭對手的比較

關鍵洞察： Vapi 的表面價格與 xAI 同為 0.05 美元，但那只是 平台/編排費 — 底層的 STT、LLM、TTS 與電信商費用需另計，導致實際通話成本高出 3 到 6 倍 。Retell 的 0.07 美元同樣只是語音引擎層的費用 。Bland 的 0.11–0.14 美元雖已捆綁，但價格仍是 xAI 的兩倍以上 。截至 2026 年 7 月，xAI 的每分鐘 0.05 美元是市場上最便宜的捆綁式全包價格。

目標客群

• 中小型企業 — 餐廳、診所、房地產、飯店、客服中心 — 這些企業想使用 AI 電話語音代理，但不想聘請開發人員 。
• 非技術型營運者 — 免寫程式碼的建構器消除了對工程團隊或數月準備工作的需求 。
• 企業客戶支援團隊 — xAI 的全端技術（電信、工具使用、檔案檢索、亞秒級延遲）旨在大規模取代傳統 IVR 系統與客服人員 。

戰略意義

Voice Agent Builder 是 xAI 直接切入企業電信基礎設施市場 的敲門磚，與 Vapi、Retell AI、Bland AI 乃至 Twilio 生態系統正面競爭。以下幾點使其成為一場戰略性的圈地運動：

1. 垂直整合的全端技術 — xAI 同時掌控模型 (Grok)、語音合成 (Custom Voices)、推理引擎 (Think Fast 1.0) 以及現在的部署層。沒有任何競爭對手能同時擁有所有這些層級 。
2. 以定價作為突破口 — 每分鐘 0.05 美元的全包價格，遠低於競爭對手的真實成本，旨在削弱整個市場並推動快速普及 。
3. 免寫程式降低門檻 — 消除了對開發者的需求，xAI 將可觸及的市場從「正在建立語音應用程式的開發者」擴展到「任何需要接聽電話的企業」 。
4. 與 xAI API 業務相輔相成 — Voice Agent Builder 建立在 Voice Agent API 之上，使用量會直接帶動 API 消耗與 Grok 的採用，進而強化 xAI 整體平台的鎖定效應 。
5. 即時 AI 基礎設施 — 結合電信 (SIP/PSTN)、即時語音轉語音以及能使用工具的 AI 代理，xAI 正將自己定位為下一波 AI 原生聯絡中心的基礎設施供應商，而不僅僅是一家聊天機器人公司 。

結論： xAI 正利用免寫程式碼的介面與積極的全包定價，來繞過競爭對手零散的定價模式，搶佔快速成長的 AI 電話語音代理市場 — 直接以完全自有、垂直整合的全端技術，挑戰既有語音 AI 平台。