xAI выпустила аудиомодель Grok Voice Realtime на платформе fal

xAI представила модель grok-voice/realtime — аудио-в-аудио агент, доступный через платформу fal (endpoint fal-ai/grok-voice). Модель принимает запись речи, возвращает озвученный ответ, транскрипт и длительность; заявлена поддержка двунаправленного стриминга по WebSocket.

• Вход: аудио до 10 минут и 50 МБ, конвертация в 16-бит PCM 24 кГц моно
• Промпт опционален, до 20 000 символов; по умолчанию персона Grok
• Инструменты: веб-поиск, поиск по X и MCP-серверы (по умолчанию выключены)
• Цена, задержка и доступность не раскрыты