xAI introduit le clonage de voix sur Grok et structure son catalogue avec une Voice Library

xAI lance Custom Voices pour cloner une voix en deux minutes sur Grok, enrichissant sa Voice Library de 80 voix multilingues sans surcoût pour ses API.

xAI a publié la fonctionnalité Custom Voices pour Grok, qui permet de cloner une voix à partir d'environ une minute d'enregistrement et de l'utiliser dans les API Text to Speech et Voice Agent de l'éditeur. Le pipeline livre un modèle de voix prêt pour la production en moins de deux minutes. Une fois généré, l'identifiant de voix se passe à n'importe quel point de terminaison TTS ou s'utilise avec l'API Voice Agent pour des agents conversationnels en temps réel. La voix clonée hérite de l'ensemble des capacités TTS, dont les speech tags, la sortie multilingue et le streaming REST ou WebSocket.

Le clonage est conditionné à un dispositif de vérification en deux étapes destiné à empêcher l'usage frauduleux. L'utilisateur lit d'abord une phrase de validation à voix haute, transcrite et appariée en direct par le moteur Speech-to-Text de xAI pour confirmer la présence et le consentement. Le système calcule ensuite des speaker embeddings sur la phrase de validation et sur l'enregistrement complet, et vérifie qu'ils correspondent à la même personne. Le clonage à partir d'un enregistrement préexistant ou de la voix d'un tiers est techniquement bloqué.

xAI publie en parallèle une Voice Library, espace de gestion intégré à la console qui rassemble voix personnalisées et voix intégrées. Le catalogue propre de l'éditeur est étendu à plus de 80 voix réparties sur 28 langues, prévisualisables dans différents scénarios avant intégration. L'usage des Custom Voices avec les API TTS et Voice Agent ne fait l'objet d'aucun surcoût supplémentaire.