xAI เปิดตัว Voice Agent Builder สร้าง AI เสียงแบบ no-code ราคา $0.05/นาที

3 กรกฎาคม 2026 อ่าน 5 นาที ⟳ Source-tracked

xAI เปิด beta Voice Agent Builder แพลตฟอร์มสร้าง AI voice agent แบบ no-code ด้วย Grok Voice model เดียว ครบทั้ง STT, LLM, TTS ราคา $0.05/นาที ถูกกว่า stack แบบเดิมถึงครึ่งหนึ่ง

สรุปบทความนี้ด้วย AI

xAI เปิดตัว Voice Agent Builder ในโหมด beta เมื่อวันที่ 1 กรกฎาคม 2026 - แพลตฟอร์มสร้าง AI voice agent แบบ no-code ที่ใช้ Grok Voice เป็นแกนหลัก ทำให้ทีมที่ไม่มีทักษะด้าน ML infrastructure สามารถสร้างระบบ AI โทรศัพท์ได้ภายในไม่กี่นาที ในราคาเพียง $0.05 ต่อนาที ซึ่งถูกกว่าการประกอบ stack แบบดั้งเดิมได้ถึงครึ่งหนึ่งหรือมากกว่านั้น

ปัญหาเดิมที่ xAI แก้

Voice Agent Builder แก้ปัญหาหลักของระบบ voice AI แบบดั้งเดิมที่ต้องประกอบ API 3 ชั้น ได้แก่ Speech-to-Text จากผู้ให้บริการหนึ่ง, Language Model จากอีกเจ้า, และ Text-to-Speech จากเจ้าที่สาม ทุกครั้งที่ข้อมูลข้ามชั้น เกิดค่าใช้จ่ายและ latency สะสมขึ้นทุกขั้น xAI แก้ปัญหานี้ด้วยการรวมทุกอย่างไว้ใน Grok Voice model เดียว

ฟีเจอร์ที่มาพร้อมกันในแพลตฟอร์ม:

Telephony - รองรับหมายเลขโทรศัพท์ฟรีที่ xAI จัดให้ หรือนำเบอร์ที่มีอยู่แล้วมาใช้ได้
Knowledge retrieval - ดึงข้อมูลจากเอกสารหรือฐานข้อมูลของตัวเองได้โดยตรง
Tools & MCPs - เชื่อมต่อกับ external API และ Model Context Protocol server
Guardrails - กำหนดขอบเขตพฤติกรรมของ agent ให้อยู่ในกรอบที่ต้องการ
Observability - ติดตามการสนทนาและ debug ได้จากที่เดียว ไม่ต้องข้ามระบบ

ทำงานยังไง

แทนที่จะส่งเสียงผ่าน pipeline 3 ขั้นแบบเดิม Grok Voice รับ audio input โดยตรงและสร้าง audio output กลับออกมาในโมเดลเดียว ทำให้ latency ต่ำกว่า 1 วินาที ซึ่งจำเป็นมากสำหรับการสนทนาที่ต้องรู้สึกเป็นธรรมชาติ

ระบบรองรับ 25+ ภาษาและเสียงมากกว่า 80 เสียง สามารถตั้งค่า persona เสียง ภาษา ความเร็วในการพูด และ tone ได้ผ่าน interface แบบ no-code ส่วน developer ที่ต้องการควบคุมรายละเอียดมากกว่าสามารถใช้งานผ่าน API ได้เช่นกัน แพลตฟอร์มยังรองรับ Vercel AI Gateway สำหรับทีมที่ใช้ Vercel อยู่แล้ว

จุดเด่นที่ stack แบบประกอบทำไม่ได้

Debug ง่ายกว่าเดิมมาก - เมื่อมีปัญหา รู้ทันทีว่าเกิดจากระบบเดียว ไม่ต้องตามหา error ว่าเกิดที่ขั้น STT, LLM หรือ TTS และต้อง contact support หลายเจ้า

End-to-end optimization - โมเดลถูก train มาให้ทำงานร่วมกันตั้งแต่ต้น ไม่ใช่รับ text output จาก LLM แล้วส่งต่อให้ TTS แยกต่างหาก ทำให้ prosody และ intonation ของเสียงสอดคล้องกับ context ของบทสนทนาได้ดีกว่า

ราคาโปร่งใส - จ่ายต่อนาทีเดียว ไม่ต้องคำนวณ token ของ LLM บวก character ของ TTS บวก second ของ STT แยกกัน

Use case ที่ตรงที่สุดกับแพลตฟอร์มนี้: call center AI ที่ต้องรับสายเป็นจำนวนมาก, ระบบ appointment booking อัตโนมัติ, customer support หลายภาษาที่ต้องการ latency ต่ำ, และ voice interface สำหรับแอปที่ยังไม่มีทีม ML เป็นของตัวเอง

เปรียบเทียบกับคู่แข่ง

ตลาด voice AI สำหรับ developer มีผู้เล่นอยู่แล้วเช่น ElevenLabs Conversational AI, Vapi, Bland AI โดยราคาทั่วไปอยู่ที่ $0.10-0.20 ต่อนาทีเมื่อรวมค่า STT + LLM token + TTS ทั้งหมด xAI เสนอราคา $0.05/นาทีซึ่งถูกกว่าอย่างน้อย 50%

แต่มีจุดที่ต้องระวัง: Voice Agent Builder ยังอยู่ใน beta และ Grok Voice ยังไม่มีประวัติการใช้งาน production จำนวนมากเหมือนคู่แข่งที่อยู่ในตลาดมานานกว่า ความแม่นยำกับสำเนียงที่หลากหลายหรือสภาพแวดล้อมที่มีเสียงรบกวนยังต้องทดสอบจริงก่อนตัดสินใจย้ายระบบ

ราคาและการเข้าถึง

บริการ	ราคา
Grok Voice (audio processing)	$0.05/นาที
Telephony (phone number)	+$0.01/นาที
หมายเลขโทรศัพท์	ฟรี (รวมในแพลตฟอร์ม)

เข้าถึงได้ผ่าน xAI โดยตรงและผ่าน Vercel AI Gateway ปัจจุบันอยู่ในโหมด beta

เริ่มใช้งาน

ไปที่ x.ai และสมัคร access สำหรับ Voice Agent Builder beta
สร้าง agent ใหม่ผ่าน interface แบบ no-code
กำหนด persona เสียง ภาษา และ knowledge base ที่ต้องการ
เชื่อมต่อ telephony หรือ API endpoint ตามต้องการ
ทดสอบผ่าน sandbox ก่อน deploy จริง
ติดตาม performance ผ่าน observability dashboard ที่มาพร้อมกัน

สำหรับ developer ที่ต้องการควบคุมรายละเอียด สามารถกำหนด MCP server เพิ่มเติมและเชื่อมต่อกับ workflow ที่มีอยู่แล้วผ่าน xAI API ได้

สรุปจาก xAI โดย AI · อ่านต้นฉบับ