米SpaceXの「SpaceXAI」は2026年7月1日、コード記述なしで音声対話AIエージェントを構築できる「Grok Voice Agent Builder」のベータ版を一般公開した。独自の単一音声処理モデルを採用し、応答の遅延を1秒未満に抑えた。利用料金は音声1分あたり0.05ドルに設定している。画面からコールセンターや顧客サポート業務に対応する音声エージェントを構築できる。
xAIが音声モデル「xAI Voice Agent Builde」発表（画像：ビジネス＋IT）
イーロン・マスク氏が率いる米xAIは2026年7月1日、独自の音声対話AIモデル「Grok Voice」を基盤とした開発プラットフォーム「Voice Agent Builder」のベータ版を一般公開した。利用者はプログラミングの知識を持たなくても、ウェブブラウザー上の設定画面から指示を与えるだけで、コールセンターや顧客サポート業務に対応する音声エージェントを構築できる。
従来の音声AI開発では、利用者の発話をテキストに変換する音声認識、テキストを処理する大規模言語モデル、テキストを音声にして返す音声合成という3つの独立したシステムを連携させる手法が主流であった。この方式はシステム間でデータを送受信する処理が連続するため、応答の遅延や障害が発生しやすい課題があった。xAIはこれらの工程を統合し、音声を直接処理して音声で返す単一の音声対音声（Speech-to-Speech）モデルを採用した。この構造変更により処理時間を短縮し、会話中の割り込みや途中での言語変更に対しても1秒未満で応答する性能を持たせた。
システムには80種類以上の標準音声が登録されており、25以上の言語に対応する。利用者が録音した2分間の音声データから特定の声色を再現するボイスクローニング機能も組み込んだ。外部のデータベースや業務システムとAPI経由で接続する機能も備えており、通話中に顧客の購入履歴を参照したり、予約処理を実行したりする業務対応を行える。通話内容はすべて自動で録音および文字起こしされ、管理者はシステムがどのツールを使用したかを含めて対応状況を事後に検証できる。個人情報の読み上げや規定外の話題への言及を制限するガードレール機能も搭載している。
料金体系はプラットフォームの基本利用料や機能ごとの分割課金を廃止した。APIの利用料金を音声1分あたり0.05ドルに設定している。システムから電話番号を取得して電話回線に接続する場合は、通話1分あたり0.01ドルの追加費用が発生する。企業が現在利用している既存の電話番号をSIP接続経由で持ち込んで運用することも可能とした。
xAIは同プラットフォームの公開と同時に、企業向け音声AIプラットフォームを展開するVapiとの業務提携も発表した。Vapi上で開発された250万以上の音声エージェントに対し、Grok Voiceを標準の音声生成エンジンとして提供する。単体での開発ツール提供に加え、既存のプラットフォームへの技術供給を通じて市場での展開を進める。