xAI、応答1秒未満の音声AI「Grok Voice 3.0」を提供開始

xAIは10月14日、音声対話AIモデル「Grok Voice 3.0」を発表しました。
開発者向けの「Grok Voice API」で提供し、1秒未満の低遅延と25以上の言語に対応します。
テスラの車載AIやStarlinkのコールセンターでの利用実績も示しました。

記事の概要

Grok Voice 3.0は、音声入力に音声で応答するSpeech-to-Speechモデルです。
利用料金は1分あたり0.08ドルで、1時間あたり4.80ドルです。
料金は従来モデルから据え置きで、カスタマーサポートや営業向けの音声AIエージェントへの活用を想定しています。
発話の間や話者交代、会話中の割り込みに対応し、AIの発話中に利用者が話しても会話を継続できます。
周囲の雑音やアクセントがある環境にも対応し、25以上の言語を扱えます。
外部サービスやツールと連携し、情報検索、スケジュール確認、予約などを会話から実行できます。
テスラの車載AIでは、1日あたり数百万件の音声対話を処理しています。
Starlinkのコールセンターでは1日約20,000件に対応し、約70％を人間のオペレーターなしで解決しているということです。

記事のポイント

1. 低遅延の音声対話： Grok Voice 3.0は1秒未満の低遅延を掲げ、発話の間や割り込みにも対応する自然な対話を実現します。
2. 業務を完了する連携： 検索や予定確認、予約などの外部ツールを複数利用し、問い合わせ対応にとどまらない業務を実行できます。
3. 実運用での利用実績： テスラでは1日数百万件、Starlinkでは1日約20,000件の音声対話を処理しています。

このニュースがもたらす影響

• 導入検討企業： 料金を維持したまま、割り込みを含む自然な対話と外部ツール操作を組み込めるため、FAQ対応に限らず予約や手続きまで含めた業務単位で導入効果を検証する必要がありそうです。
• 音声AI開発者： 1秒未満の応答と25以上の言語、既存APIからの自動切り替えにより、多言語の音声エージェントを短期間で展開しやすくなる可能性があります。
• 顧客対応部門： Starlinkで認証から機器交換までを処理した実績を踏まえると、問い合わせの受付だけでなく、解決までの業務フローをAIに任せ、人間が介入する条件を再設計することが求められそうです。

このニュースの背景

音声対話では、AIの発話中に利用者が話す割り込みや、発話の間・話者交代への対応が自然さを左右します。
Grok Voice 3.0は、検索やスケジュール確認、予約など外部ツールとの連携を前提に、回答だけでなく業務の実行を目指しています。
テスラでは1日あたり数百万件、Starlinkでは1日約20,000件の音声対話を処理しており、大規模な実運用が示されています。
利用料金は従来モデルから据え置かれており、導入企業は低遅延や自動解決率だけでなく、既存の顧客対応業務に組み込める範囲を見極める段階に入ったと考えられます。

関連するニュース

• GoogleはGemini 3.8に音声生成モデルと映像アバターによる対話機能を追加しました。
• OpenAIは、GPT-6 Astraに迫る性能を5分の1の価格で提供するGPT-6.1 Solを公開しました。
• X-HACKがGrok Voice 3.0対応の通販電話注文AI受付デモを公開します。

詳しい記事の内容はこちらから（引用元）

Impress Watch

音声AI「Grok Voice 3.0」　応答1秒未満　テスラにも搭載

xAI(SpaceXSI)は14日、音声対話AIモデル「Grok Voice 3.0」を発表し、開発者向けの「Grok …