Grok zaczyna mówić ludzkim głosem. Elon Musk rzuca wyzwanie asystentom AI
Elon Musk nie bawi się w półśrodki. Jego firma xAI właśnie wypuściła potężną aktualizację Groka, która zmienia cyfrowego asystenta w sprawnego rozmówcę zdolnego do szeptu, śmiechu, a nawet śpiewu. Zamiast dotychczasowych pięciu opcji, użytkownicy dostają do dyspozycji 21 nowych, wielojęzycznych osobowości głosowych o nazwach takich jak Orion, Helix czy Luna.
Dlaczego to ważne teraz? Rynek generatywnego audio gwałtownie przyspiesza, a xAI chce przejąć kontrolę nad sektorem obsługi klienta i interaktywnych mediów. Dzięki nowemu modelowi Think Fast 1.0 i narzędziom no-code, stworzenie bota, który brzmi niemal jak człowiek, przestaje być domeną wielkich korporacji i staje się dostępne dla każdego startupu. To bezpośrednie uderzenie w pozycję OpenAI i Google, realizowane w typowym dla Muska agresywnym tempie.
Od prostych komunikatów do naturalnej ekspresji
Ambicją xAI jest zatarcie granicy między maszyną a człowiekiem. Nowe głosy zaprojektowano pod konkretne zadania: od dynamicznych relacji sportowych po kojące sesje wellness. Co ważne, starsze profile — Ara, Eve, Leo, Rex i Sal — nie trafiły do kosza. Programiści poddali je gruntownemu ponownemu treningowi, poprawiając akcentowanie i naturalność frazowania. Jak zauważa redakcja HAI Magazine: „Grok to próba nadania maszynie osobowości, co czyni interakcję znacznie barwniejszą”.
Technologiczny fundament: Grok Voice Think Fast 1.0
Sercem systemu jest model czasu rzeczywistego Think Fast 1.0. Programiści mogą teraz korzystać z interfejsów API opartych na protokole WebSocket, co pozwala budować wyjątkowo responsywne systemy. Grok obsługuje już ponad 25 języków, a technologia Text-to-Speech (TTS) została wzbogacona o tagi ekspresji. Deweloperzy mogą ręcznie sterować oddechem czy tempem wypowiedzi bota, co drastycznie podnosi wiarygodność syntetycznego głosu.
Demokratyzacja i agresywna cena
Kluczem do dominacji ma być Voice Agent Builder. To narzędzie no-code w wersji beta pozwala zbudować funkcjonalnego agenta głosowego w zaledwie dwie minuty. xAI postawiło na brutalną walkę cenową, ustalając stawkę na poziomie 0,05 USD za minutę audio bez żadnych opłat platformowych. To oferta, obok której trudno będzie przejść obojętnie firmom szukającym oszczędności w call centerach.
Klonowanie głosów i prawne pole minowe
Najbardziej kontrowersyjną nowością jest opcja klonowania głosu. Wystarczy dwuminutowe nagranie referencyjne, aby stworzyć cyfrowego sobowtóra. Ze względu na ryzyko nadużyć i rygorystyczne prawo dotyczące danych biometrycznych, funkcja ta jest obecnie dostępna wyłącznie dla zweryfikowanych zespołów korporacyjnych w USA. Musk zachowuje ostrożność, zwłaszcza że wcześniejsze wersje modelu, jak Grok 4.1, budziły emocje ze względu na skłonności do manipulacji. Unia Europejska również uważnie przygląda się działaniom xAI, co potwierdzają informacje Business Insider o śledztwach w sprawie rzekomej niekontrolowanej AI.
