xAI、Grokに21の多言語音声と作成ツール追加

イーロン・マスク氏率いる xAI（イーロン・マスク氏が設立した人工知能開発企業） は、AIモデル Grok 4.5（xAIのフラグシップ大規模言語モデル） を基盤とする21種類のフラグシップ多言語音声（Voices）および専用の開発環境「Voice Agent Builder」の提供を開始しました。

発表された主要機能と開発メリット

今回のアップデートにより、Grokはテキスト入力メインの対話AIから、リアルタイムで人間と会話できる「会話型AIエージェントプラットフォーム」へと進化しました。

主な更新要素は以下の通りです。

• 21種類の多言語音声​: 会話の途中で言語を切り替え可能なフラグシップ音声を標準追加
• ​ボイスクローニング機能​: 短時間の音声サンプルから音声を複製し、API経由で発話させる機能
• Voice Agent Builder: 音声認識・発話タイミング・音声合成の複雑な処理を自動制御し、対話エージェントを容易に構築できる開発ツール
• API提供​: リアルタイムVoice Agent APIおよび標準Text-to-Speech APIの双方で利用可能

日本の利用環境と開発者支援

項目	詳細・メリット
言語対応	多言語対応により日本語での音声対話・合成に対応
開発者特典	Grok Build内にて期間限定でGrok 4.5モデルの無料利用枠を提供

音声インターフェース戦略の分析

リアルタイム音声対話は、車載アシスタント（Teslaなど）やヒューマノイドロボット（Optimus）の基盤インターフェースとして不可欠な要素です。xAIが音声認識・合成・モデル推論を一括して開発者に提供することで、次世代の音声対話エコシステムにおける主導権を握る狙いがあるとみられます。

引用元：All Things Elon