xAI 推出 21 种多语言 AI 声音，扩展 Grok Voice 功能
realtime news Jul 07, 2026 01:07
埃隆·马斯克的 xAI 为 Grok Voice 添加了 21 种多语言声音，通过提升自然度和开发者工具增强其 AI 平台的吸引力。
埃隆·马斯克的人工智能公司 xAI 宣布为其实时对话式AI语音平台 Grok Voice 推出 21 种全新旗舰声音。这些声音完全支持多语言功能，覆盖超过 25 种语言，现在可通过 Grok Voice Agent Builder 和 xAI 的开发者 API 获取。同时，原有的五种 Grok 声音也进行了升级，改进了节奏、措辞和强调效果。
每一种新声音都针对特定的使用场景进行了定制，例如客户支持、教育、广告和娱乐。例如，声音“Carina”被设计用于处理客户服务互动，语调柔和且富有同理心：“感谢您的耐心等待——我找到了问题所在。[暂停] 您的账户仍然使用旧计划，因此我已将其迁移并将信用额度应用于本月。您已完成设置。还有其他需要我帮忙的吗？”用户可以通过诸如 [pause] 和 <whisper> 等语音标签自定义语音呈现。
开发者可以通过文本转语音 API访问这些声音，或者使用Grok Voice Agent Builder 构建自定义语音代理。xAI 还提供一种语音克隆功能，用户只需提供一分钟的音频输入即可复制独特的声音。
Grok Voice 的战略扩展
此次更新标志着 xAI 广泛战略中的一个重要里程碑，旨在将 Grok Voice 打造成远不止一个聊天机器人功能的平台。自 2026 年 4 月推出独立的语音识别和文本转语音 API 以来，Grok Voice 已发展为一个强大的企业和开发者应用平台。这些功能旨在与 OpenAI、Anthropic 和 Google DeepMind 的类似产品竞争。
Grok Voice 是更大的 Grok 生态系统的一部分，可无缝集成到 X（前身为 Twitter）和其他平台中。Grok 于 2023 年 11 月首次推出，将对话式 AI 与实时数据访问结合在一起，使其成为 ChatGPT、Gemini 和 Claude 的主要竞争对手。
背景与挑战
尽管 xAI 的创新推动了 AI 能力的边界，但公司也面临一些挑战。2026 年 1 月，加州监管机构命令 xAI 停止生成未成年人的性化深伪图像，这一问题突显了生成式 AI 被滥用的风险。尽管如此，xAI 仍在积极扩展。2025 年中，埃隆·马斯克表示，公司计划在五年内部署相当于 5000 万 H100 GPU 的 AI 计算能力。
截至 2026 年 7 月 7 日，Grok Voice 仍是 xAI AI 生态系统的核心组成部分。其与 X 平台和开发者工具的集成，突显了 xAI 在对话式 AI 和语音技术市场中占据主导地位的雄心。
对于开发者和企业来说，Grok Voice 的最新扩展为改善用户体验带来了新机遇，特别是在多语言和面向客户的应用中。随着马斯克的 xAI 积极推进其 AI 基础设施建设，Grok Voice 未来有望在不断发展的 AI 领域中占据竞争优势。
Image source: Shutterstock.jpg)