xAIが音声特化モデル「Grok Voice 3.0」公開　マルチモーダル対話で生成AI競争に参戦強化

イーロン・マスク氏が率いるAI企業xAIは、新しい音声対話モデル「Grok Voice 3.0」をリリースしました。Grokシリーズは、ソーシャルメディアX（旧Twitter）と連携した対話型AIとして知られていますが、今回の3.0では、人間に近い自然な音声合成と、高速な音声認識を組み合わせたリアルタイム会話に重点を置いています。テキストだけでなく音声入力・出力を統合した「マルチモーダル」なエージェント基盤として位置づけられており、スマートフォンや車載システム、ヘッドセットなど、さまざまなデバイスでの利用を想定しています。

外部のモデル追跡サイトによれば、Grok Voice 3.0は10月14日付で最新モデルとして登録されており、他社のフラッグシップLLM（大規模言語モデル）と並んで2026年10月の主要リリースの一つに数えられています。xAIは、X上でのリアルタイム情報アクセスや、開発中とされる自律エージェント機能との連携を強調しており、音声を起点にした「常時稼働型AIアシスタント」市場でOpenAIやGoogle、Metaに対抗する構図が鮮明になってきました。今後は、開発者向けAPIの拡充や、車載メーカーとの提携状況などが注目されます。