Grokも喋れるようになった！マスクのxAIが音声APIをリリース：AIの口替え争いが再び激化

AI界では、マスクのスピードは常に驚かせるものである。現地時間の3月16日、マスクが設立した人工知能スタートアップ企業 xAI はソーシャルメディアで発表した:その大規模モデル Grok のテキストから音声への変換（TTS）API が正式にリリースされた。

これは開発者たちが、Grokの持つ強い個性や、時には「毒舌」やユーモアを含むトーンを、さまざまなアプリケーションに統合できるようになったことを意味する。スマートアシスタントから没入型ポッドキャスト生成まで、Grokはもはやスクリーン上の文字列にとどまらず、実際の「声」を持つようになった。

xAIのエコシステム構築における重要な一歩として、音声機能の追加は、Grokが単なるテキスト対話エンジンから、より人間らしい多様なモードのアシスタントへ進化していることを示している。以前には、OpenAIのGPT-4oが非常に滑らかな音声インタラクションで世界を驚かせたが、マスクはこの「聴覚競争」に遅れを取ることを望んでいない。

APIの頻繁な更新に加え、大規模モデル業界の競争状況もさらに激しくなっている。36氪の24時間ホットリストでは、315で暴露された大規模モデルの「汚染」黒産業と DeepSeek V4の公開が遅れている謎 は依然として上位を占めている。業界がデータの真実性やモデルの反復速度に頭を悩ませている中、xAIは交互体験に暴力的に加速することを選択した。

あなたのアプリの中で、Grokの特徴的な鋭い発言が響き渡るようになれば、それはAI時代において最も独自な個人的タグとなるかもしれない。音声APIの公開によって、誰のAIがより良く聞こえ、よりよく会話できるかという戦いは、すでに全面的に始まっている。