xAI推出Grok旗舰语音

背景

xAI 于 2026 年 7 月 6 日宣布为其语音 AI 产品 Grok Voice 推出 21 种全新旗舰声音。此前 Grok Voice 仅提供五种初始声音（Ara、Eve、Leo、Rex、Sal），此次更新大幅扩展了声音库，并同步改进了原有五种声音的自然度。新声音已全面上线实时语音代理 API（Realtime Voice Agent API）、文本转语音 API（Text to Speech API）以及新推出的 Grok Voice Agent Builder 中。

核心内容

本次发布的 21 种新旗舰声音包括：Lumen、Castor、Naksh、Atlas、Carina、Zagan、Helix、Orion、Luna、Wellness、Support 等（原文列出共 11 个名称，但标题称 21 种，可能原文只展示了部分示例）。每种声音均针对特定场景进行选角，例如客服支持、角色扮演、评论播报、广告、教育等。声音支持通过语音标签（如 [pause] 和 <whisper>）控制语气和节奏，实现更细腻的演绎。

所有新声音均为原生多语言，支持 Grok Voice 的全部 25 种以上语言。以 Carina 为例，其应用于客服场景时可自然停顿并强调关键信息，示例输出为：

"Thanks for your patience — I found the issue. [pause] Your account was still on the legacy plan, so I've moved you over and <emphasis>applied the credit to this month.</emphasis> <soft>You're all set.</soft> Anything else I can take care of?"

另一声音 Luna 则展示了中文表现力：

"闭上眼睛，静静聆听片刻。每一个声音都在讲述一个故事，每一个故事都值得被倾听。无论你身在世界的哪个角落，我都很高兴你在这里。"

同时，原有的五种声音（Ara、Eve、Leo、Rex、Sal）也获得了升级。它们采用改进的训练方法重新训练，在节奏、措辞和重音方面更加自然。其中 Rex 和 Sal 被描述为“温暖而友好”（Warm and friendly）。

用户可通过 xAI 控制台中的 Grok Voice Agent Builder 使用这些新声音构建自定义语音代理，也可以利用大约一分钟的音频克隆自己的声音。

关键要点

• 发布 21 种全新多语言旗舰声音，加入原有 5 种声音行列。
• 所有声音都原生支持 25+ 种语言，无需单独配置。
• 每种声音针对特定用途选角：客服、角色、评论、广告、教育等。
• 支持语音标签（如 [pause]、<whisper>、<emphasis>、<soft>）精细控制语音表达。
• 原有五种声音（Ara、Eve、Leo、Rex、Sal）获得模型升级，自然度显著提升。
• 新声音已实时可用：Realtime Voice Agent API、Text to Speech API、Grok Voice Agent Builder。
• 用户可基于约一分钟音频克隆自己的声音。
• 示例声音包括 Carina（客服）、Luna（多语言）等，展示了情感化和场景化能力。

意义与影响

此次更新标志着语音 AI 从单一音色向场景化、情感化、多语言原生支持迈出重要一步。21 种新声音并非简单的音色扩充，而是针对不同行业需求定制：客服场景需要耐心与同理心，教育场景需要清晰与引导，广告场景需要感染力。语音标签的引入使得开发者能够像编辑剧本一样控制语气和节奏，极大提升了语音交互的自然度和可控性。

多语言原生支持消除了语言切换成本，使同一声音可以无缝覆盖全球用户。原有五种声音的升级则表明 xAI 持续迭代基础模型，而非仅堆叠新功能。结合声音克隆功能，企业或个人可以低成本创建高度定制化的语音代理，降低专业语音合成的门槛。

这一举措可能推动语音 AI 在客户服务、有声内容、教育、无障碍技术等领域的更广泛应用，同时也为未来更自然的人机语音对话奠定了技术基础。