Elon Musk：Grok Bot已能語音對話

xAI負責人Elon Musk轉發產品賬號稱，grok bot現在會說話。該機器人8月11日對公衆開放早期測試，定位是能登錄用戶工具、替人把活幹完的ai隊友，此前以打字交互爲主。

語音層接的是grok voice，當前一代爲7月29日發佈的think fast 2.0。這條鏈路把聽、想、說壓進同一模型，而不是語音識別、語言模型、合成三截拼接。官方口徑延遲大約0.70秒，走雙向websocket，音頻同時進出。接口支持25種以上語言、口音和打斷，並帶聲音克隆。

grok bot測試先開在桌面和ios，安卓9月初跟上，面向supergrok heavy以及部分cursor高階訂閱。產品形態是按崗位建機器人：研究、寫作、參謀、收件箱、銷售，關掉電腦後繼續跑，再交回成品。早期內測從公司內部原型擴出，馬斯克當時說要先修基礎問題、並放出grok 4.6後再擴大名額。

同一套聲音已在別的入口落地。tesla車機裏有grok語音；starlink客服和銷售日均處理超過1.5萬通電話。開發者側，grok voice上了fal.ai，按音頻秒計費約0.00083美元，一小時連續對話大約3美元；xai控制檯另有語音代理構建器和約一分鐘樣本的克隆。旗艦音色從最初5個擴到再加21個，覆蓋客服、角色、講解等場景。

這不是grok應用裏第一次出現語音。消費端語音模式早已進grok應用和x高級訂閱，評測上該語音棧在tau voice bench和big bench audio語音推理上靠前。bot這次開口，等於把“會幹活的隊友”和“能打電話的聲音”焊在同一產品上，而不是再開一個聊天窗。

市場機制是把語音從演示功能做成執行入口。買方是願意把工具賬號交給代理、並改用說話下指令的個人和客服場景；賣方是xai，用同一套grok voice在機器人、車機、星鏈電話和開發者api上攤銷訓練成本。受益方是低延遲語音棧和已接入的訂閱層；承壓方是仍靠鍵入提示詞、不能登錄外部工具的純聊天機器人。資金流向按通話分鐘和代理工時，而不是按條數計費的對話框。

來源：公開信息