Saniyede 0,00083 dolar: Grok Voice ses API’si kullanıma açıldı

Grok Voice, geliştiricilere yönelik yapay zekâ ses altyapısı platformu fal.ai’ye entegre edildi. Kullanım ücreti sesin saniyesi başına 0,00083 dolar (yaklaşık 1,13 won) olarak belirlendi.

Geliştiriciler, konuşma tanıma, dil işleme ve ses sentezi API’lerini ayrı ayrı birleştirmek yerine ses-sese modeli kullanarak gerçek zamanlı sesli ajanlar oluşturabilecek. fal.ai, hizmet sayfasında kayıt dosyalarının işlenmesi için HTTP API, gerçek zamanlı çift yönlü görüşmeler içinse WebSocket API sunduğunu açıkladı.

WebSocket API, kullanıcı konuşurken ajanın yanıt verebilmesini sağlayan tam çift yönlü iletişim yapısını kullanıyor. İlk sesli yanıtın bir saniye içinde verilmesi hedefleniyor ancak gerçek gecikme süresi giriş ortamı ve ağ koşullarına göre değişebiliyor.

Geleneksel sesli ajanlar genellikle konuşma tanıma (STT), büyük dil modeli işleme ve ses sentezini (TTS) sıralı biçimde birbirine bağlıyor. Grok Voice ise bu süreci ses-sese modeliyle birleştirerek farklı hizmet ve altyapıları ayrı ayrı yönetme yükünü azaltmayı hedefliyor.

fal.ai’nin açıkladığı ücret dakikada yaklaşık 0,05 dolar (yaklaşık 68 won) seviyesinde. Bir saatlik kesintisiz sesli etkileşimin maliyeti yaklaşık 3 dolar (yaklaşık 4080 won) olurken ücretlendirme kullanıma göre yapılıyor ve minimum kullanım şartı bulunmuyor.

Hizmet 25’ten fazla dili destekliyor. Platformda 25 temel ses ve kullanıcıya özel ses seçenekleri bulunurken ses klonlama özelliği de sunuluyor.

xAI, duyurusunda 6 Temmuz’da mevcut beş sese 21 çok dilli ses eklediğini açıkladı. Şirket, yaklaşık bir dakikalık ses kaydıyla kullanıcıya özel ses oluşturulabileceğini belirtti.

Ajanın görüşme sırasında harici fonksiyonları çağırabilmesi de özellikler arasında yer alıyor. Müşteri hesabı sorgulama, stok kontrolü ve işlem gerçekleştirme gibi harici sistemlere bağlı görevlerin görüşme akışı içinde yürütülebileceği ifade edildi.

Hizmet gerçek uygulamalara entegre edilirken ses klonlanan kişinin onayı, kişisel verilerin korunması ve harici sistem erişim izinlerinin ayrıca yönetilmesi gerekiyor. Harici fonksiyon çağrıları sesli görüşmeyle gerçek iş süreçlerini birbirine bağladığından, yetki kapsamlarının ayrıştırılması önem taşıyor.

Bu entegrasyon, tüketicilere yönelik Grok uygulaması güncellemesinden çok geliştiricileri ve şirketleri hedefleyen bir API genişlemesi niteliğinde. xAI, Grok Voice Agent API duyurusunda geliştiricilere yönelik ses API’sini Aralık 2025’te yayımladığını açıkladı.

xAI, Nisan 2026’da Grok Voice Think Fast 1.0’ı, Temmuz ayında ise Think Fast 2.0’ı duyurdu. Her iki duyuruda da sesli akıl yürütme, diyalog ve araç kullanımı alanlarındaki geliştirmeler öne çıkarıldı.

fal.ai, tek bir SDK ve sunucusuz API üzerinden çeşitli üretken yapay zekâ modellerini birbirine bağlayan bir geliştirme ortamı sunuyor. Entegrasyonla birlikte Grok Voice da görüntü ve video üretim modelleriyle birlikte geliştiricilere sunulan model seçenekleri arasına katıldı.

Ses-sese yaklaşımı, ses girdisini metin işleme ve ses sentezi aşamalarına ayırmadan doğrudan ses çıktısına bağlayan bir yapı kullanıyor. WebSocket ise sunucu ve istemcinin bağlantıyı koruyarak verileri gerçek zamanlı biçimde karşılıklı aktarmasını sağlayan iletişim yöntemi olarak çalışıyor.

Entegrasyonun sosyal medyadaki nicel yayılımı veya önde gelen sektör temsilcilerinin konuya ilişkin ayrı bir değerlendirmesi doğrulanmadı. Resmi sayfalarda yer alan fiyat ve özelliklerin dışında, gerçek kullanım hacmi ile hizmet kalitesi üzerindeki etkilerin ek doğrulamaya ihtiyaç duyduğu belirtiliyor.