Grok Voice ganha 21 novas vozes na xAI

A xAI começou a liberar 21 novas vozes para o Grok Voice nesta terça-feira, 7 de julho de 2026, ampliando o catálogo nativo de cinco para 26 opções. A atualização chega à xAI Console e mira desenvolvedores, empresas, equipes de suporte, vendas, educação e publicidade que querem criar agentes de voz em produção, com fala multilíngue, API em tempo real e conversão de texto em áudio.

Em resumo: o Grok Voice passa a oferecer mais de 25 vozes principais, suporte multilíngue e integração com APIs para chamadas, assistentes, podcasts e atendimento automatizado.

O que muda no Grok Voice

Segundo a publicação original do TestingCatalog e a página oficial da xAI, o pacote adiciona vozes chamadas Carina, Zagan, Helix, Orion, Luna, Iris, Altair, Zenith, Perseus, Helios, Lux, Kepler, Rigel, Cosmo, Celeste, Ursa, Sirius, Lumen, Castor, Naksh e Atlas. Elas se juntam às cinco vozes originais: Ara, Eve, Leo, Rex e Sal.

As vozes antigas também foram retreinadas para soar mais naturais, com melhorias em ritmo, fraseado e ênfase. Na prática, isso deve reduzir a sensação de leitura robótica em fluxos de atendimento, narração, tutoria, personagens e experiências de marca.

APIs em tempo real e TTS para agentes de voz

O Grok Voice funciona em duas frentes principais: a Voice Agent API em tempo real e a Text-to-Speech API. Para agentes conversacionais, desenvolvedores podem transmitir áudio e texto via WebSocket, recurso essencial para assistentes de voz, sistemas telefônicos, robôs de suporte e experiências interativas com baixa latência.

As configurações de sessão incluem vozes internas ou personalizadas, detecção de atividade de voz no servidor, ferramentas, busca na web, busca no X, busca em arquivos, MCP, chamadas de função, substituições de pronúncia e velocidade ajustável de fala. O modelo principal atual é o Grok Voice Think Fast 1.0. Já o Grok Voice Fast 1.0 aparece como legado e marcado como depreciado.

Recursos expressivos na Text-to-Speech API

Na camada de texto para fala, a xAI destaca comandos expressivos como pausas, risadas, respiração, sussurro, mudança de volume, pitch, velocidade, canto e ênfase. Esses controles são importantes para audiobooks, podcasts, publicidade e aulas narradas, porque permitem modular a emoção e a intenção da voz.

Há uma diferença relevante entre os números divulgados: a documentação oficial lista 20 idiomas com suporte para TTS, enquanto o anúncio público afirma que as novas vozes são nativamente multilíngues em mais de 25 idiomas no Grok Voice. Essa distinção pode indicar variação entre produtos, modelos ou disponibilidade gradual.

Voice Agent Builder leva criação no-code a empresas

O lançamento também fortalece o Grok Voice Agent Builder, ferramenta beta sem código para criar agentes de voz em cerca de dois minutos. O produto inclui telefonia, recuperação de conhecimento, ferramentas, guardrails, suporte a MCP, observabilidade, números SIP, gravações de chamadas, transcrições e logs de uso de ferramentas.

• Atendimento ao cliente com voz natural e busca de conhecimento.
• Agentes de vendas capazes de conversar por telefone.
• Experiências educacionais com narração multilíngue.
• Podcasts, audiobooks e anúncios com vozes de marca.
• Assistentes internos conectados a arquivos, web e funções.

A cobrança informada pela xAI é de US$ 0,05 por minuto de áudio na taxa da API, com voz incluída e sem taxa separada de plataforma. Para telefonia usando número gratuito provisionado, há custo adicional de US$ 0,01 por minuto. Esses valores podem ser especialmente competitivos para empresas que desejam testar agentes antes de uma implantação ampla.

Vozes personalizadas e limites de disponibilidade

Outro ponto importante é o suporte a Custom Voices. A xAI permite clonar uma voz a partir de um clipe de referência de até 120 segundos e usá-la em TTS e APIs de voz em tempo real. O recurso, porém, ainda é restrito: está disponível apenas nos Estados Unidos, exceto Illinois, e a criação via API é limitada a equipes Enterprise.

“Grok Voice now has 25+ flagship voices that each natively support 25+ languages.”

Eden Chan, xAI, em publicação no X em 7 de julho de 2026

Para o mercado de IA generativa, a atualização sinaliza uma expansão clara do Grok: de chatbot e família de modelos para uma pilha de produção voltada a call centers, assistentes de voz, mídia sintética e experiências corporativas controladas por marca. A concorrência nessa área envolve não apenas qualidade de fala, mas latência, preço, integração com ferramentas e segurança operacional.

Por que isso importa

Agentes de voz com IA estão deixando de ser demonstrações para virar infraestrutura de atendimento, educação e vendas. Ao ampliar o Grok Voice com 21 novas vozes, WebSocket, TTS expressivo e builder no-code, a xAI tenta reduzir a distância entre protótipo e produção. Ainda assim, empresas devem avaliar privacidade, consentimento em clonagem de voz, cobertura real de idiomas e conformidade regulatória antes de adotar o sistema em larga escala.

Perguntas Frequentes sobre o Grok Voice ganha 21 novas vozes na xAI

Considerações finais

A chegada das 21 vozes torna o Grok Voice mais competitivo para agentes de voz, TTS, atendimento automatizado e criação no-code. O avanço é relevante, mas a adoção empresarial dependerá de testes de qualidade, latência, idioma, governança e custos em cenários reais.