Grok Voice 上线 fal，为开发者提供低延迟 AI 语音代理

xAI 的语音转语音技术现已在 fal.ai 上推出，具有实时流媒体、音频克隆功能，并支持超过 25 种语言。

如果您曾经尝试构建语音代理并最终陷入 GPU 配置和延迟噩梦中，那么 xAI 的最新举措值得关注。 Grok Voice 现已在 fal.ai 上上线，让开发人员可以直接访问实时语音转语音功能，而无需解决通常伴随这句话而来的基础设施问题。

fal.ai 是一个专门为生成式 AI 模型快速推理而构建的平台，正在托管此次集成。结果是一个面向开发人员的 API，它处理音频输入、返回音频输出，并以一定的延迟执行，这实际上使对话式 AI 感觉就像对话。

格洛丽亚 你所拥有的可能比你想象的更多。凯莱金融会仔细检查您的资金并确定您隐藏的真实风险敞口。检查您的曝光度 →

Grok Voice 的实际用途

核心功能是音频到音频推理。开发人员向模型发送音频剪辑；该模型几乎立即发回语音响应。

大多数语音管道将语音识别、语言处理和文本到语音合成的单独模型链接在一起。每次切换都会增加延迟。 Grok Voice 将这条链折叠成一个模型，这就是为什么 xAI 能够通过 2026 年初发布的 Think Fast 1.0 和 2.0 将响应延迟降低到 0.70 秒左右。

该 API 使用双向 WebSocket 流，这意味着音频同时流入和流出，而不是以请求和等待模式。

该集成支持超过 25 种语言，包括本地口音变体，并提供 26 种不同的语音选项。音频克隆也是该软件包的一部分，它允许开发人员复制特定的语音配置文件，以获得一致的品牌体验或个性化代理部署。

人工智能、科技及其所推动的市场——每日简报。日常的。自由的。加入加密货币、金融和政策领域 34,000 多名读者的行列。电子邮件地址 免费订阅 我们尊重您的隐私。随时取消订阅。

fal.ai 的定价为每秒 0.00083 美元音频。按照这个速度，一小时的连续语音交互成本约为 3 美元。

星链测试用例

xAI 不仅仅是在理论上向开发者推销 Grok Voice。该技术已在 Starlink 的客户支持和销售业务中大规模运行，截至 2026 年中期，每天处理超过 15,000 个电话。

fal.ai 成立于 2021 年，专注于生成媒体的快速模型部署。该平台已经托管了之前的 xAI 音频模型，因此这种集成扩展了现有的关系，而不是从头开始建立新的关系。

为什么基础设施层才是真正的故事

此次发布的设计是面向开发人员的。这里没有消费者应用程序更新，也没有向手机上的 Grok 用户推出新功能。

Grok Voice 中还内置了工具调用功能，这意味着代理可以在对话中触发外部功能。处理客户查询的语音机器人可以提取帐户数据、检查库存或发起交易，而不会中断对话流程。

多语言支持通过单个 API 涵盖 25 多种语言，整合了以前需要大量本地化投资或单独区域系统的支持。