xAI 近日宣布正式推出 Grok 平台的語音轉文本（STT）與文本轉語音（TTS）API，面向開發者開放。該更新旨在透過 AI 模型提供高保真、低延遲的語音交互能力，讓應用程式能整合更自然的語音對話體驗。
xAI 表示，新加入的 STT 與 TTS 接口可將語音輸入轉換為文本，或將文本內容合成語音輸出，從而涵蓋語音交互鏈路中的關鍵環節。以 API 形式提供後，開發者可在自家產品中調用相關服務，用於語音助手、語音客服、會議記錄或無障礙朗讀等場景的功能建置，並與現有文本對話能力結合，形成端到端的語
音對話流程。
Grok 平台多模態擴展
xAI 此前已向開發者提供 Grok 相關 API，讓 Grok 模型能整合至第三方應用。公開的開發者資料顯示，相關適配與調用已在部分開發工具生態中提供範例。此次語音功能的加入，標誌 Grok 平台在多模態交互方向進一步擴展，為開發者提供從文本到語音的接口選項。xAI 尚未披露 STT 與 TTS API 的具體計費、可用語種及模型版本涵蓋範圍。