音色ライブラリが倍増し、開発者はさらにポーズを挿入したり、口調を調整したりでき、AI音声エージェントはますます人間らしくなっている。

幣界網メッセージ、Grok Voiceが21種類の全く新しい多言語フラッグシップ音声を発表し、リアルタイム音声サービスの選択可能な音声を26種類に拡充しました。これらの音声は、リアルタイム音声エージェントとテキスト読み上げインターフェースですでに利用可能であり、中国語を含む25以上の言語をネイティブでサポートしています。会話の自然さを高めるため、当初の5種類の初期音声は再トレーニングが完了し、発音の間隔やイントネーションがより人間に近づいています。開発者はコンソールで新しいビジュアル音声エージェントビルダーを使用でき、間隔の挿入、強調、ささやきなどの制御マークを用いて口調を微調整できます。ユーザーは約1分間のオーディオサンプルをアップロードするだけで、プラットフォーム上で独自のカスタム音声をクローン作成できます。