xAI、2分以内で声のクローンを作れるVoice Cloning APIをリリース

xAI APIを通じてVoice Cloningが正式リリース

xAIは2026年5月1日、自社APIを通じて音声クローン機能Voice Cloningを正式にリリースした。短い音声録音から2分以内にカスタムボイスを作成できるほか、28言語・80種以上の事前構築済み音声ライブラリからも選択可能で、音声エージェント、オーディオブック、ゲームキャラクターなど幅広い用途に活用できる。

2段階の音声所有権検証プロセス

すべてのカスタムボイス作成には2段階の検証プロセスが必要だ。まず、ユーザーが検証フレーズを読み上げ、音声認識エンジンがリアルタイムで照合する。次に話者埋め込みが計算され、同一人物であることを確認することで、既存の録音や他者の声のクローン化を防止する。

28言語・80種以上の音声ライブラリ

Voice Libraryには28言語にわたる80種以上の音声が収録されており、開発者はxAIコンソールで事前にプレビュー・選択・管理できる。カスタムボイスはText to SpeechおよびVoice Agent APIに即座に適用でき、追加料金は発生しない。

主な活用シーン

• 音声エージェント: パーソナライズされたAIアシスタントや顧客サービスボット
• オーディオブック: 著者本人の声でのコンテンツ配信
• ゲーム: キャラクターごとの固有の声の実装

今回のリリースにより、xAIはGrokの音声機能エコシステムを大幅に拡張し、開発者に強力なパーソナライズツールを提供する。