أطلقت شركة إكس إيه آي (xAI) منشئ الوكيل الصوتي، وهي منصة لا تتطلب أي برمجة تتيح للمشغلين والمطورين إعداد وكلاء صوتيين جاهزين للإنتاج على Grok Voice في أقل من دقيقتين. الأداة، المتاحة الآن في نسخة تجريبية، تستهدف الشركات التي تريد وكلاء صوتيين بحجم إنتاج كبير دون بناء البنية التحتية المحيطة بها من الصفر.
تجمع المنصة جاهزة الاستخدام بين الاتصالات الهاتفية، واسترجاع المعرفة، والأدوات، وضوابط الأمان، وبروتوكولات MCP، والمراقبة في واجهة واحدة. يمكن للشركات أيضاً الاحتفاظ بما لديها بالفعل: أرقام هاتف حالية عبر SIP، أو أدوات مخصصة مرتبطة بواجهات برمجية داخلية وخوادم MCP، أو عميل خاص متصل عبر WebSocket.
لماذا يختلف منشئ الوكيل الصوتي عن غيره
معظم أنظمة الصوت التقنية تجمع بين ثلاث واجهات برمجية منفصلة: تحويل الكلام إلى نص، ونموذج لغوي، وتحويل النص إلى كلام، وغالباً ما تستضيفها ثلاث جهات مختلفة. كل نقطة انتقال بين هذه الأجزاء تضيف تكلفة وتأخيراً ونقطة فشل جديدة. بدلاً من ذلك، يعمل منشئ الوكيل الصوتي على مسار مباشر من الكلام إلى الكلام مصمم خصيصاً لـGrok Voice، ومرتبط ارتباطاً وثيقاً بالنموذج بدلاً من تجميعه من أجزاء منفصلة. يعكس هذا التوجه تحولاً أوسع يشهده مجال الذكاء الاصطناعي، حيث يحل التكامل الأعمق بين المكونات محل الأنظمة المجزأة.
مدرَّب على أصعب المكالمات الممكنة
المكالمات الحقيقية غالباً ما تكون معقدة: جودة صوت هاتفية ضعيفة، ضوضاء خلفية، لهجات قوية، مقاطعات، ومتصلون يغيرون آراءهم في منتصف الجملة، وغالباً بأكثر من 25 لغة. دربت xAI نموذج Grok Voice تحديداً على مكالمات من هذا النوع، ثم بنت معياراً يسمى τ-voice Bench لقياس الأداء تحت الظروف نفسها.
| النموذج | نتيجة τ-voice Bench |
|---|---|
| Grok Voice Think Fast 1.0 | 67.3% |
| Gemini 3.1 Flash Live | 43.8% |
| GPT Realtime 1.5 | 35.3% |
يقسم المعيار النتائج بشكل أدق عبر الأداء العام، وقطاع التجزئة، والطيران، والاتصالات، ما يمنح الشركات صورة أوضح عن أداء الوكيل الصوتي في قطاعها تحديداً.
إعداد وكيل في دقيقتين فقط
يبدأ الإعداد بكتابة وصف بلغة بسيطة لكيفية سير المكالمات. بعد ذلك، يقوم المستخدمون بإرفاق المستندات والأدوات وضوابط الأمان. يبدأ الوكيل بموجه يصف سلوك المكالمة، ويفكر النموذج في الوقت الفعلي بحيث يستطيع اتباع تعليمات طويلة والتعامل مع طلبات غامضة دون نص جامد.
تأتي المعرفة من قاعدة معرفة يتم رفعها بصيغ مثل النص العادي، وMarkdown، وWord، وPowerPoint، وExcel، وHTML، وJSON. تُنظَّم المستندات في مجموعات يمكن ربطها بعدة وكلاء في آن واحد، ما يبقي السياسات ومواصفات المنتجات مركزية بدلاً من تكرارها في كل موجه.
الأدوات والأصوات والاتصالات الهاتفية
يمكن للوكلاء اتخاذ إجراءات عبر الأدوات والموصلات: جدولة مواعيد في تقويم جوجل (Google Calendar) أو أوتلوك (Outlook)، إرسال رسائل تأكيد عبر البريد الإلكتروني، التحقق من حالة الطلب عبر واجهات برمجية داخلية، إصدار استردادات مالية، إدارة التذاكر في Linear أو Notion، أو جلب ملفات من Google Drive أو OneDrive. عندما لا تتوفر المعلومة في قاعدة المعرفة، يمكن للوكيل إجراء بحث عبر الويب أو بحث في منصة إكس (X) للحصول على معلومات عامة حديثة. إذا احتاج المتصل إلى شخص حقيقي، ينقل الوكيل المكالمة ويمكنه إشعار الفريق فوراً.
يمكن للوكلاء استخدام أحد أكثر من 80 صوتاً مدمجاً أو نسخة صوتية مطابقة لهوية العلامة التجارية، تُنشأ من نحو دقيقتين من التسجيل الصوتي. يتضمن كل حساب رقم هاتف مجاني للاختبار أو الاستخدام الفعلي، ويمكن للشركات ربط رقم حالي عبر SIP من أي مزود اتصالات رئيسي. تُسجَّل كل مكالمة وتُفرَّغ نصياً، ما يتيح للفرق مراجعة الصوت، وقراءة النص، ومعرفة الأدوات التي استخدمها الوكيل بالضبط خلال المحادثة.
تسعير منشئ الوكيل الصوتي
تفرض xAI رسوماً بمعدلها القياسي البالغ 0.05 دولار لكل دقيقة صوت، مع تضمين الأصوات دون رسوم منصة منفصلة. تكلف الاتصالات الهاتفية على رقم مجاني مخصص 0.01 دولار إضافية لكل دقيقة. يتناقض هذا مع أنظمة الصوت التقليدية التي غالباً ما تفرض رسوماً منفصلة للتعرف والاستدلال والتوليف والوصول للمنصة، لكل منها عدّاده الخاص. يعكس هذا التوجه نحو التسعير المبسط اتجاهاً أوسع في قطاع الاتصالات والخدمات السحابية، حيث ينظر بشكل متزايد إلى التسعير المجمَّع كميزة تنافسية.
يضيف هذا الإطلاق إلى مجال متنامٍ من أدوات أتمتة الصوت الموجهة لفرق خدمة العملاء والمبيعات والدعم، وهو مجال مرتبط ارتباطاً وثيقاً بتحولات أوسع في الاقتصاد والأعمال مع توجه الشركات نحو أتمتة المزيد من عمليات مراكز الاتصال. يمكن للمطورين المهتمين باختبار المنصة زيارة الموقع الرسمي لـxAI لمزيد من التفاصيل حول Grok Voice ونسخة منشئ الوكيل الصوتي التجريبية.
بالنسبة للشركات التي تقيّم أدوات الأتمتة بشكل أوسع، يستمر مجال التطبيقات والبرمجيات في التوسع بسرعة، مع منافسة متزايدة بين المنتجات الصوتية أولاً وواجهات المحادثة النصية التقليدية.
