Grok Voiceの新音声21種でAI受付の声選びは何が変わるか
AI受付の声を業務やブランドに合わせて選べると、電話対応の印象を整えやすくなります。
新たに加わった21音声を、同じ台本と実際の通話で比べてみませんか？
Grok Voiceの新音声21種が増えたことで、AI受付の声を業務やブランドに合わせて選びやすくなりました。ただし、選択肢が増えたことと、電話対応の品質が上がることは同じではありません。
声の印象だけで決めると、社名、氏名、住所、日時を聞き返す場面や、人へ転送する場面で違和感が残ります。
本番前は、同じ台本と同じ通話条件で複数の声を比べてください。
要点26音声から3候補へ絞って試す
新しい21音声を1つずつ長く比較する必要はありません。
Support、Sales、Assistantの用途ラベルから3候補へ絞り、数字、固有名詞、割り込み、有人転送を同じ条件で確認します。
Grok Voiceの新音声21種で何が変わったか
xAIは2026年7月6日、Grok Voiceへ21の新しいフラッグシップ音声を追加しました。従来のAra、Eve、Leo、Rex、Salを合わせると、組み込み音声は計26種類です。
新音声21種は、Carina、Zagan、Helix、Orion、Luna、Iris、Altair、Zenith、Perseus、Helios、Lux、Kepler、Rigel、Cosmo、Celeste、Ursa、Sirius、Lumen、Castor、Naksh、Atlasです。Grok VoiceのリアルタイムVoice Agent API、Text to Speech API、beta版のVoice Agent Builderで選べます。
従来5音声も同時に再学習され、話す速度感、言い回し、強調がより自然になったとxAIは説明しています。これはベンダー側の説明なので、自社の電話回線と日本語台本での品質を保証するものではありません。
出典: xAI「21 New Flagship Grok Voices」(英語)
その後の動きも見ておくと、2026年7月23日時点でも組み込み音声は26種類のままで、xAIのリリースノートに音声の追加や入れ替えは載っていません。
各音声のトーンと用途は公式ドキュメントの音声表に一覧化されており、コンソールのPlaygroundで試聴できるほか、GET /v1/tts/voicesでも同じ一覧を取得できます。
Grok Voiceの21音声はAI受付でどう選ぶか
xAIの公式ドキュメントは、各音声にトーンと用途を示しています。たとえばCarinaは穏やかなSupport、Rigelは落ち着いたAssistant/Support、Castorは親しみやすいSales/Support向けという位置づけです。
Support
困りごとを聞き、落ち着いて案内する受付。
Sales
商品説明や予約相談で明るさと信頼感を出す。
Assistant
用件整理や担当者への取り次ぎを担う。
ただ、用途ラベルは候補を絞る入口にすぎません。AI受付では「良い声」より「自社の用件を聞き取りやすい声」を選ぶ方が、実務での判断がぶれにくくなります。
| 受付の場面 | 候補になる音声 | xAIが示すトーン |
|---|---|---|
| 問い合わせ・苦情の一次受け | Carina / Celeste | 穏やかで共感的 / 思いやりと安心感 |
| 予約変更・本人確認 | Rigel / Naksh | 正確で落ち着いた印象 / 温かく思慮深い |
| 商品案内・折り返しの提案 | Iris / Castor | 親しみやすく明るい / 気取らず話しやすい |
このトーン説明は英語のサンプル音声に付いたもので、日本語で同じ印象になるとは限りません。候補を3つに絞った後に、自社の台本を読ませて聞き比べる工程が要ります。
Grok Voiceの仕組み全体を先に押さえたい場合は、Grok Voice Agent Builderでできることを確認してください。提供時期を含む国内条件は、Grok Voiceを日本で試す前の確認点で分けて整理しています。
出典: xAI Docs「Text to Speech」(英語)
AI受付の声選びで確認する5項目
新音声21種を比べる時は、感想だけでなく、次の5項目を同じ台本で採点します。音声ごとに台本や話速を変えると、声と設定のどちらが効いたのか分からなくなるためです。
| 評価 | 確認する会話 | 合格の目安 |
|---|---|---|
| 聞き取り | 電話回線の雑音 | 一度で内容が分かる |
| 固有名詞 | 社名・氏名・地名 | 誤読が少ない |
| 数字 | 日時・金額・番号 | 復唱が自然 |
| 割り込み | 話の途中の訂正 | 訂正後へ戻れる |
| 転送 | 苦情・例外対応 | 人へ迷わず渡せる |
同じ質問でも、予約受付なら落ち着き、営業なら明るさ、クレーム一次対応なら聞く姿勢が重くなります。一方で、声が親しみやすくても回答が不正確なら採用できず、高リスクの用件は声の評価より先に有人転送を設定します。
費用も合わせて判断する場合は、Grok Voice Agent Builderの費用の見方を参照してください。1分単価だけでなく、人が確認する時間と転送後の対応まで含めて見ます。
Grok Voiceで声を替える前に見直す4つの設定
候補を替えても聞き返しや誤読が減らない時、原因は声色ではなく設定側にあります。
Voice Agent APIのセッション設定には、声IDとは別に話し方と聞き取りを調整する項目があります。
| 設定 | できること | 受付での使いどころ |
|---|---|---|
| 話速(audio.output.speed) | 0.7〜1.5倍で再生速度を変える(既定1.0) | 早口に聞こえる、高齢の顧客が多い |
| 読み方の置換(replace) | 発音だけ差し替え、文字起こしは元のまま | 社名・商品名・地名が違う読みになる |
| 認識のキーワード(keyterms) | 固有名詞を最大100語まで認識側へ寄せる | 社名や型番を聞き取れない |
| 割り込みの判定(turn_detection) | 無音の長さと感度で発話の終わりを判定する | 話の途中で切られる、沈黙が続く |
読み方の置換は文字起こしを変えずに発音だけを直すため、記録に残る内容と実際の聞こえ方を分けて管理できます。
認識のキーワードは通話中でも入れ替えられるので、キャンペーン名や新商品が増えるたびに台本ごと作り直さずに済みます。
声を替えて変わること
電話に出た瞬間の印象
業種やブランドとの相性
明るさと落ち着きの方向性
設定で変えられること
社名・商品名の読み方
話す速さと間の取り方
割り込みと沈黙の扱い
電話回線に合わせた音質
割り込みの判定は既定の感度0.85で発話の切れ目を拾うため、ゆっくり話す顧客が多い受付なら、無音とみなすまでの時間を延ばす方が聞き返しは減ります。
日本語の聞き取り自体を安定させたいなら、言語のヒントにjaを渡す方法もあるでしょう。
電話の音質でも試す
もう1つ見落としやすいのが試聴環境です。Voice Agent APIは電話回線と同じG.711のμ-law(audio/pcmu)とA-law(audio/pcma)に対応し、いずれも8kHzで扱います。
パソコンの高音質な再生で選んだ声が、8kHzの電話では別の印象になることは珍しくありません。
Text to Speech側もμ-lawとA-lawの8kHz出力を選べるため、候補の比較は本番と同じ音質に揃えて進めます。
出典: xAI Docs「Voice Agent API」(英語)
Grok Voiceの日本語対応と国内利用の確認点
xAIのText to Speech APIとVoice Agent APIは、対応言語に日本語のコード「ja」を掲載しています。新音声21種の公式発表では音声機能全体を25以上の言語へ対応すると説明していますが、TTSドキュメントが明示する一覧は20言語です。
この違いは、「日本語対応」と「25以上の全言語が同じ条件・品質」を分ける理由になります。日本語は公式対応と確認できる一方、各音声の日本語品質や地域別の提供条件まで同じとは断定できません。
Voice Agent Builderは2026年7月1日にbetaとして発表され、電話機能、知識検索、ツール、ガードレール、観測機能をまとめて設定できます。ただし、日本語で話せることと、日本の電話番号や契約条件で本番運用できることは別です。
出典: xAI「Introducing the Voice Agent Builder」(英語)
自社の代表やスタッフの声を複製するカスタム音声も用意されていますが、xAI公式ドキュメントが示す提供範囲は米国内(イリノイ州を除く)に限られています。
日本から選べるのは26の組み込み音声までで、自社の声を使う前提で計画すると手戻りになりかねません。提供条件と声色の評価は別の話なので、後者はAI受付の声の選び方で顧客満足は変わるかを参照してください。
出典: xAI Docs「Custom Voices」(英語)
注意声の試聴前にデータ条件を確認する
xAIは、明示的な許可なしにAPIの入力・出力を学習へ使わないと説明しています。標準では監査目的で30日間保存され、Zero Data Retention(ZDR)はコンソールからチーム管理者が切り替える方式です。
ZDRを有効にすると通話履歴が保存されず、声の検証に使う録音も残らないため、顧客情報の扱いと録音の要否は社内規程と突き合わせてから決めます。
通話データの確認項目は、音声AIの受付で個人情報を扱う時の注意点も合わせて使えます。声を選ぶ工程と、録音・文字起こし・転送先を決める工程は分けると管理しやすくなります。
出典: xAI Docs「Security FAQ」(英語)
新しい声を本番へ入れる前の手順
新しい声の検証は、26音声を総当たりするより、用途ラベルから3候補へ絞って進めます。1候補だけで決めると比較基準がなくなり、5候補以上では評価が曖昧になりやすいためです。
- 対象業務を1つ決める。予約変更、営業時間案内、担当者転送などから選ぶ
- 3音声へ絞る。Support、Sales、Assistantの用途ラベルを使う
- 同じ台本と同じ設定で通話する。社名、氏名、住所、日時、訂正、割り込みを含め、話速と読み方の置換は固定する
- 人への転送を試す。苦情、例外、本人確認が必要な場面で止める
- 採点して1音声へ絞る。聞き返し回数と誤読を記録する
- 小さい範囲で運用する。時間帯か用件を限定し、毎週見直す
絞る
3音声を選ぶ
→
試す
同じ台本で通話
→
戻す
人へ転送する
誤読や転送失敗があれば、本番範囲を広げず台本と設定へ戻る
AI受付の担当範囲をまだ決めていない場合は、AIに電話の一次対応を任せる最初の範囲から始めます。声を選ぶ前に、AIが答える用件と人へ戻す用件を分けると、音声評価も明確になります。
Grok Voiceの新音声21種に関するFAQ
QGrok Voiceに追加された新音声は何種類ですか？
A2026年7月6日に21音声が追加されました。従来5音声と合わせると、組み込み音声は計26音声です。
QGrok Voiceの新音声は日本語に対応していますか？
AxAI公式APIドキュメントには日本語「ja」が対応言語として掲載されています。ただし各音声の日本語品質は自社台本で確認が必要です。
Q新しい21音声はどこで使えますか？
AxAI公式はVoice Agent API、Text to Speech API、Voice Agent Builderで利用できると案内しています。
QAI受付ではどの音声を選べばよいですか？
ASupportやAssistantの用途ラベルから3音声程度へ絞り、同じ台本で聞き取りやすさ、数字、固有名詞、割り込み、有人転送を比較してください。
Q声を替えるだけでAI受付の対応品質は上がりますか？
A声は印象と聞き取りやすさに関わりますが、回答精度、業務ルール、権限、転送設計は別です。声だけで運用品質は決まりません。
QGrok Voiceへ顧客情報を入力しても安全ですか？
AxAIは明示許可なしにAPI入出力を学習へ使わないと説明していますが、標準では30日間一時保存されます。顧客情報を扱う場合は契約、保存、Zero Data Retention、社内規程を確認してください。
Q声を替えても社名や商品名の読み間違いが直りません。
AVoice Agent APIには、発音だけを差し替える読み方の置換と、固有名詞を認識側へ寄せるキーワード指定があります。音声を替える前にこの2つを試すと、声の問題か設定の問題かを切り分けられます。
QGrok Voiceの26音声はどこで確認できますか？
AxAI公式ドキュメントの音声表とコンソールのPlaygroundで試聴でき、GET /v1/tts/voicesでも一覧を取得できます。Voice Agent APIとText to Speech APIは同じ一覧を使います。
新音声21種は、AI受付の声を業務に合わせる選択肢を広げました。
最初に3候補へ絞り、同じ台本で数字、固有名詞、割り込み、有人転送を確かめ、それでも残る誤読や間の悪さは話速と読み方の置換で切り分けてから、小さな範囲で使い始めてください。
