xAI เปิด Grok Voice Agent Builder — สร้าง voice agent แบบ no-code จบใน stack เดียว ราคา $0.05/นาที ตัดราคา ElevenLabs และ Vapi

การสร้าง voice agent ระดับ production — บอทที่รับสายลูกค้า โทรออกทำ sales หรือคุยด้วยเสียงแบบเรียลไทม์ — เดิมทีเป็นงานที่ต้องเย็บหลายชิ้นเข้าด้วยกัน: STT (แปลงเสียงเป็นข้อความ), LLM, TTS (แปลงข้อความเป็นเสียง), บวก telephony/SIP และต้องเขียนโค้ดจัดการ WebSocket กับ audio streaming เอง เมื่อวันที่ 1 ก.ค. 2026 xAI เปิดตัว Grok Voice Agent Builder (beta) ที่ยุบทั้งหมดนั้นให้เหลือ stack เดียว แบบ no-code — เคลมว่าสร้าง voice agent ที่ใช้งานได้จริงเสร็จ “ในไม่ถึงสองนาที”

จุดที่ทำให้คนในวงการจับตาไม่ใช่แค่ความง่าย แต่คือ ราคา ที่ตั้งมาตัดคู่แข่งอย่างชัดเจน

ราคา: $0.05/นาที + telephony $0.01/นาที

โครงสร้างราคาเรียบง่ายและถูกอย่างก้าวร้าว:

• เสียง agent: $0.05 ต่อนาที
• Telephony: $0.01 ต่อนาทีสำหรับเบอร์ที่จองไว้ (provisioned) — และ แถมเบอร์ฟรีหนึ่งเบอร์ต่อบัญชี
• ตัวอย่างที่ xAI ยก: สายซัพพอร์ตลูกค้า 10 นาที ตกราว $0.60 ทั้งสาย
• เครื่องมือฝั่ง server คิดแยก เช่น web/X search $5 ต่อ 1,000 ครั้ง, doc search $2.50 ต่อ 1,000 ครั้ง

xAI วางตำแหน่งตัวเองเป็นตัวเลือกงบประหยัด โดยระบุว่าราคานี้ ถูกกว่าผู้เล่นที่ตั้งหลักอย่าง ElevenLabs และ Vapi — ซึ่งเป็นการโจมตีตรงจุดขายหลักของคู่แข่ง

ความสามารถ: 25+ ภาษา, 80+ เสียง, real-time API, clone เสียงใน 1 นาที

ด้านเทคนิค แพลตฟอร์มรองรับ มากกว่า 25 ภาษา และ เสียงมากกว่า 80 เสียง เคลม latency ต่ำกว่าวินาที ในสภาพแวดล้อม VoIP production เชื่อมต่อเรียลไทม์ผ่าน WebSocket และเปิด SIP โดยตรง สำหรับการต่อระบบโทรศัพท์องค์กร นอกจากนี้ยัง clone เสียง สร้างเสียงกำหนดเองจากตัวอย่างเพียง 1 นาที

จุดขายเชิงยุทธศาสตร์คือการเป็น single vendor stack — ยุบ STT/LLM/TTS/telephony ที่เดิมต้องต่อจากหลายเจ้าให้จบในที่เดียว ลดทั้งความซับซ้อนในการ integrate และจำนวนบิลที่ต้องจัดการ

มุมมอง AI Curator

สงคราม voice agent กำลังเข้าสู่เฟส ตัดราคา + ยุบ stack และการที่ xAI กระโดดเข้ามาด้วยราคา $0.05/นาทีคือแรงกดดันโดยตรงต่อ ElevenLabs และ Vapi ที่สร้างธุรกิจบนชั้น voice/orchestration โดยเฉพาะ เมื่อเจ้าที่มีทั้งโมเดล (Grok) และโครงสร้างพื้นฐานของตัวเองรวมทุกชั้นแล้วตั้งราคาต่ำ ผู้เล่นที่ขายเฉพาะชั้นใดชั้นหนึ่งจะถูกบีบ — นี่เป็นรูปแบบเดียวกับที่ราคา inference ของโมเดลใหญ่ ๆ เคยถล่มราคาบริการ wrapper มาแล้ว

สำหรับบริบทไทย/SEA ต้นทุนต่อนาทีระดับนี้เปลี่ยนสมการของงานหลายอย่าง: คอลเซ็นเตอร์ AI, ระบบยืนยันนัด/ทวงถามด้วยเสียง, ผู้ช่วยรับสายสำหรับ SME ที่เดิมจ้างคนไม่คุ้ม — ที่ $0.60 ต่อสาย 10 นาที เริ่มเป็นไปได้ในเชิงธุรกิจ แต่ต้องดูสองเรื่องก่อนตื่นเต้นเกินไป: หนึ่ง — คุณภาพภาษาไทย ยังต้องพิสูจน์ การเคลม “25+ ภาษา” ไม่การันตีว่าไทย (โดยเฉพาะสำเนียง คำควบ ตัวเลข บริบทสุภาพ) จะลื่นพอสำหรับงานจริง ต้องทดสอบเอง สอง — telephony ในไทยมีข้อกำหนดเรื่องเบอร์และการเชื่อม SIP กับผู้ให้บริการท้องถิ่นที่ต้องเช็ก

ข้อควรระวังตามจริง: ข่าวนี้ยืนยันจากแหล่งข่าวสายที่รายงาน (x.ai ปิดกั้นการดึงหน้าโดยตรง) และตัวแพลตฟอร์มยังเป็น beta — ตัวเลข latency/คุณภาพเป็นคำเคลมของผู้ผลิต ควรทดสอบ POC กับสถานการณ์จริง (เสียงรบกวน สายหลุด การขัดจังหวะ) ก่อนวางในงาน production ที่แตะลูกค้าจริง และเรื่อง voice cloning จาก 1 นาที มาพร้อมประเด็นจริยธรรม/ความยินยอมที่ต้องระวังการนำไปใช้ปลอมเสียง

แหล่งข่าว

• xAI Voice Agent Builder: Beta and Pricing — Crypto Briefing
• xAI News