Компания xAI анонсировала бета-версию платформы Voice Agent Builder. Это no-code-решение на базе Grok Voice, позволяющее создавать продуктивных голосовых агентов без единой строки кода. По заявлению разработчиков, полный цикл настройки от нуля до работающего агента занимает около двух минут.
Платформа предназначена для операторов и разработчиков, которым требуются высоконагруженные голосовые решения без необходимости самостоятельного построения инфраструктуры. Voice Agent Builder предоставляет телефонию, базу знаний, инструменты, защитные ограничения (guardrails), протокол MCP и системы мониторинга (observability). Пользователи могут сохранить существующие наработки: интегрировать собственные номера через SIP, подключать инструменты к API и MCP-серверам или использовать собственный клиент через WebSocket.
Архитектурное отличие Voice Agent Builder — отказ от схемы «три API» (распознавание речи, языковая модель, синтез речи), где каждый этап выполняется разным провайдером, создавая задержки и риски. Вместо этого используется единый сквозной speech-to-speech-путь, тесно завязанный на модель Grok Voice.
**Обучение на сложных звонках**
Модель Grok Voice обучалась на реальных звонках с некачественным аудио, фоновым шумом, сильными акцентами и перебиваниями на более чем 25 языках. Бенчмаркинг проводится с помощью τ-voice Bench. Согласно текущему лидерборду, Grok Voice Think Fast 1.0 опережает Gemini 3.1 Flash Live и GPT Realtime 1.5 по общему показателю, а также в категориях Retail, Airline и Telecom.
**Две минуты до готового агента**
Настройка максимально упрощена: нужно написать на естественном языке описание сценария обработки звонков, прикрепить документы, инструменты и защитные ограничения. База знаний принимает файлы в форматах TXT, Markdown, Word, PowerPoint, Excel, HTML и JSON. Документы объединяются в коллекции, которые можно переиспользовать между агентами, чтобы политики и инструкции хранились в одном месте.
**Инструменты и действия**
Агенты могут совершать действия: записывать в календарь (Google/Outlook), отправлять подтверждения по email, проверять статус заказа или оформлять возврат через API, искать информацию в интернете или соцсети X, управлять тикетами в Linear или Notion, работать с файлами на Google Drive или OneDrive. Если требуется оператор, агент переводит разговор на человека. Все диалоги записываются и транскрибируются, а действия агента видны команде в реальном времени.
**Голос, номер и цена**
Агенты могут использовать встроенные голоса или клон голоса бренда, созданный на основе двух минут аудио. Каждый аккаунт включает бесплатный телефонный номер с поддержкой SIP, готовый к тестовым звонкам и рабочей нагрузке. Прозрачное ценообразование: $0,05 за минуту аудио по тарифам API (все голоса включены) и $0,01 за минуту телефонии. Плата за платформу отсутствует.
**Призыв к действию**
«Голосового агента проще оценить на слух, чем по тестам, — заявляют в xAI. — Создайте собственного агента, поручите ему сложный сценарий и позвоните ему». Платформа доступна для бесплатного тестирования.
Комментарии(0)
Оставьте комментарий
Войдите, чтобы присоединиться к обсуждению