xAI Grok Voice アップデート: 21種類の新しいフラッグシップボイス

xAIは、Grok Voice向けに21種類の新しいフラッグシップボイスを導入し、ライブラリを拡張してより幅広いユースケースに対応し、既存のボイスの自然さを向上させました。これらのアップデートは、Voice Agent API、Text to Speech API、および新しいGrok Voice Agent Builderを通じて利用可能です。

拡張されたボイスライブラリと多言語サポート

xAIは、元の5つのボイスに21の新しいボイスを追加し、サポート、キャラクター、解説、広告、教育などの特定のアプリケーションに合わせた多様なオプションを提供します。すべての新しいボイスはネイティブな多言語対応であり、25以上の言語をサポートしています。

新しいボイスのラインナップには以下が含まれます:

• Naksh
• Atlas
• Aurora
• Liora
• Carina
• Zagan
• Helix
• Orion
• Luna
• Wellness

デリバリーコントロールとカスタマイズ

開発者は、スピーチタグを使用してGrok Voiceのデリバリーを制御し、ペースやトーンを修正することができます。サポートされているタグには、出力が意図したユースケースに一致するようにするための [pause] や <whisper> が含まれます。

定義済みのフラッグシップボイスに加え、xAIは、約1分間の音声データを使用してカスタムボイスをクローンする機能を提供しています。

オリジナルボイスの改善

元の5つのボイス—Ara, Eve, Leo, Rex, Sal—は、改良されたレシピを使用して再学習されました。このアップデートにより、デリバリーの自然さが向上し、特にペース、言い回し、強調が改善されました。

デプロイメントとツール

新しいボイスと改善点は、主に3つのチャネルを通じてアクセス可能です:

1. Voice Agent API: リアルタイムの音声対音声のインタラクション用。
2. Text to Speech API: テキストを音声に変換するため。
3. Grok Voice Agent Builder: カスタムボイスエージェントを構築するための、xAIコンソール内にある新しいツール。