2025年12月17日、xAIは音声対話型AIエージェントのAPI「Grok Voice Agent API」を発表した。本APIはTesla車載アプリやモバイルアプリで実証された技術を基盤としており、開発者が多言語対応の音声エージェントを構築できる環境を提供する。
発表の内容
xAIは2025年12月17日、音声対話型AIエージェント「Grok Voice Agent API」を発表した。本APIは、モバイルアプリやTesla車載システムで利用されている技術スタックを基盤としている。開発者はこのAPIを通じて、多言語に対応し、リアルタイムデータ検索や外部ツール連携が可能な音声エージェントを構築できる。
これまでとの違い
xAIによれば、同社の音声エージェントは「市場で最高の速度と知能」を持つという。音声活動検出（VAD）やトークナイザーなど、音声スタックの全コンポーネントを自社で開発・学習することで、細かな制御と迅速な改善を実現しているという。
実務への影響
開発者は1分あたり0.05ドルの定額制で本APIを利用できる。OpenAI Realtime API仕様にも準拠しており、xAI LiveKit Plugin経由でも利用可能である。また、ブラウザ上で音声を試せるプレイグラウンドも用意されている。
残る論点
詳細な利用規約や、Tesla車載システム以外での具体的な導入事例については明記されていない。