最近、xAIは自社のGrok Voiceシステムに重要なバージョンアップを実施しました。これはインタラクティブな体験を大幅に向上させ、また音声資産において重要な一歩を踏み出しました。今回のアップデートでは、xAIは21種類の新規エリート級のボイスを一括でリリースし、さまざまなシナリオに合わせたより個別化され、識別性の高い選択肢を提供することを目的としています。

image.png

これらの追加されたボイスとこれまでに存在する5つのボイスは、より豊富なオーディオリソースベースを構成しています。この21種類のボイスは、カスタマーサービス、キャラクターロールプレイ、コンテンツ解説、ビジネス広告、教育アドバイスなど、多様な分野をカバーしており、特定の用途に正確に対応できます。同時に、xAIは既存のAra、Eve、Leo、Rex、Salの5つのクラシックボイスを深く再トレーニングし、リズム感、表現方法、強調の処理を最適化することで、これらのボイスの自然な表現レベルが飛躍的に向上しました。

開発者が柔軟に呼び出せるようにするために、xAIはGrok Voice Agent Builderプラットフォームを同時にリリースしました。現在、これらのボイスはリアルタイムのボイスインテリジェントエージェントAPIおよびテキストトゥスピーチ（TTS）APIに完全に統合されています。注目すべきは、すべてのボイスがネイティブな多言語サポート能力を持ち、25種類以上の言語をスムーズに扱えることです。システムには[pause]などの細かなボイスコントロールタグが導入されており、開発者がボイスの表現のテンポに対してより厳密な介入が可能です。

今すぐ、ユーザーは公式に提供されるPlayground環境でこれらの新しいボイス効果を無料で試すことができます。実際にプロジェクトでの応用を探索することができます。今回のアップデートは、xAIがボイスインテリジェントエージェントエコシステムの構築に継続的に力を入れていることを示しており、関連分野の開発者に競争力のある技術的武器を提供しています。