2026年7月1日，由埃隆·马斯克领导的AI初创公司xAI发布了「Voice Agent Builder」的测试版，这是一款无需编程即可创建AI语音代理的工具。用户只需在网页浏览器中用日常语言描述电话应答的流程，最快约2分钟就能让一个真正能接听并应答的AI运行起来。该工具以公司的语音模型「Grok Voice」为基础，面向客户服务、预约受理以及个人助理等用途。本文将梳理它的功能、价格以及面向企业的安全措施。
约2分钟构建AI语音代理
Voice Agent Builder最大的特点在于它是无代码（无需编程即可搭建应用或处理流程的方式）的。即便是没有专门开发团队的运营者，也只需在浏览器中完成设置，就能准备好一个处理电话对话的AI。
制作方式很简单。首先，用平时的语言把「希望按什么顺序推进对话」写成文字。接着，把公司内部手册等资料、想让AI使用的工具，以及用于防止越界的护栏（限制AI应答范围的安全措施）关联进去，从零开始约2分钟就能完成一个可运行的代理。作为基础的Grok Voice将应答延迟控制在1秒以内，力求实现如同与真人交谈般的自然互动。
80多种语音与克隆自有声音
可以从预先准备好的80多种语音中为代理挑选声音。此外，只要录制约2分钟的音频，就能创建再现自有品牌声音的克隆语音。据称支持的语言在25种以上，也将多语言应答纳入了考量。
据xAI介绍，Voice Agent Builder采用将语音直接以语音进行处理的「语音到语音」路径，并与Grok Voice紧密结合来设计。与将语音识别、文本生成、语音合成三者分别拼接的传统构成相比，这种方式更容易减少延迟和不自然感。
电话号码、SIP与外部服务集成
新账户会获赠一个免费电话号码，从最初的测试通话到正式接听都可直接使用。如果希望沿用已有的号码，可以通过SIP（经由互联网接通电话的通信机制）直接接入主要电话运营商的线路。
与外部服务的集成也很丰富。可与Gmail、Outlook、谷歌日历、Linear、Notion、OneDrive等连接，在对话中处理日程确认和信息记录。此外，它还支持自定义的Model Context Protocol（MCP，将应用和数据与AI直接连接的规范），可以接入公司内部的数据库、客户管理系统以及各类API，打造契合自身业务的语音代理。
价格与面向企业的安全功能
价格采用按通话时长计费的从量制，每分钟0.05美元（约8日元）。80多种语音已包含在该价格中，无需另付平台使用费。若使用免费获赠号码的电话线路，则在此基础上每分钟加收0.01美元（约1.6日元）。※按1美元=161日元换算（截至2026年7月4日）
面向企业使用的功能也一应俱全。除了面向主要电话运营商的SIP接入，还提供可精细设定应答范围的护栏，以及SOC 2、HIPAA适用性、GDPR等各类合规支持。还可以设置限制，避免AI在通话中读出个人信息等需要谨慎处理的内容，从而在自动化客户应答的同时兼顾信息处理的稳妥。
总结
xAI的Voice Agent Builder的特点，在于兼具无代码、最快约2分钟的便捷性，以及80多种语音、SIP接入、MCP集成等面向实务的功能。每分钟0.05美元起的清晰从量计费，也降低了引入门槛。目前为测试版，实际的通话质量和中文使用体验还需随着后续的推广逐步确认，但对于考虑将电话业务自动化的运营者而言，它有望成为一个新的选择。
