xAI lanza voces personalizadas para Grok

xAI ya permite clonar tu voz con aproximadamente un minuto de audio y utilizarla en Grok para crear conversaciones, narraciones y agentes de atención al cliente. La función, llamada Custom Voices, está disponible a través de las APIs de texto a voz y agentes de voz de la compañía.

El proceso tarda menos de dos minutos. Grabas una muestra de voz natural en la consola de xAI, lees una frase de verificación y el sistema genera un modelo listo para producción. Después puedes usar esa voz en cualquier lugar donde xAI ofrezca sus voces integradas.

Qué puedes hacer con tu voz clonada

La función está pensada para desarrolladores y empresas que quieran evitar las voces genéricas de los sistemas de texto a voz. Por ejemplo, un comercio puede crear un agente de atención al cliente que responda con una voz reconocible y coherente con su marca.

También permite:

• Narrar vídeos, podcasts y publicaciones en redes sociales sin volver a grabar cada texto.
• Crear audiolibros completos, capítulo a capítulo, usando la voz del autor o narrador.
• Generar diálogos para personajes sin reservar tiempo de estudio para cada frase.
• Producir mensajes de una empresa o de un CEO en varios idiomas.
• Crear una voz personalizada para personas que han perdido la capacidad de hablar, conservando su identidad vocal.

Las voces personalizadas mantienen las capacidades del sistema de texto a voz de xAI. Eso incluye etiquetas para controlar la interpretación, salida multilingüe y transmisión en tiempo real mediante conexiones REST o WebSocket, que son formas de enviar y recibir datos desde una aplicación.

La misma voz también puede utilizarse con la API de agentes de voz de xAI. En la práctica, un desarrollador puede asignarle un identificador voice_id a un agente para que converse en tiempo real con una voz concreta.

La clonación exige demostrar que es tu voz

xAI afirma que no se puede crear una voz personalizada a partir de una grabación antigua ni clonar la voz de otra persona. Cada solicitud pasa por un proceso de verificación en dos etapas.

Primero, la persona debe leer una frase indicada por el sistema. El motor de reconocimiento de voz transcribe lo que se dice y lo compara en tiempo real con el texto esperado. Así se comprueba que la persona está presente y que ha dado su consentimiento para crear la voz.

Después, xAI compara las características matemáticas de la voz de esa frase con las de la grabación completa. Estas representaciones, conocidas como embeddings del hablante, sirven para confirmar que ambas muestras pertenecen a la misma persona.

“No puedes clonar una voz a partir de una grabación preexistente, y no puedes clonar la voz de otra persona.”

Qué cambia para ti

Si eres creador, puedes convertir guiones en audio sin volver al estudio cada vez que cambias una frase. Si desarrollas software, puedes ofrecer agentes de voz con una identidad más reconocible. Y si una empresa trabaja en varios países, puede generar versiones en inglés, español, francés, alemán, chino, japonés y otros idiomas conservando la misma voz de referencia.

xAI asegura que no cobrará un importe adicional por utilizar voces personalizadas con sus APIs de texto a voz o agentes de voz. El coste general de esos servicios, si corresponde según el uso, sigue siendo un asunto distinto.

El punto que habrá que vigilar es cómo funciona esta protección cuando las voces clonadas se utilicen a gran escala. La verificación de presencia y propiedad reduce el riesgo más evidente, pero no elimina por sí sola los problemas de suplantación, fraude o uso indebido del audio generado.