xAI の Grok オーディオモデルが Vercel AI Gateway で利用可能に
本文の状態
日本語全文を表示中
詳細モードで約2分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Vercel Blog
Vercel は、xAI が開発した Grok オーディオモデルを自社の AI Gateway に追加しました。これにより、リアルタイム音声やテキスト・音声変換などの機能が、AI SDK 7 を通じて提供されます。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
xAI の音声モデルが AI Gateway で利用可能になりました。リアルタイム音声、テキストから音声への変換、音声からテキストへの変換はすべて、他のモデルと同じルーティング、観測性、支出管理機能を持つ AI SDK を通じて利用可能です。
これらの機能は、AI SDK 7 リリースで利用可能です。
利用可能なモデル
機能
モデル
リアルタイム音声
xai/grok-voice-think-fast-1.0
テキストから音声へ
xai/grok-tts
音声からテキストへ
xai/grok-stt
リアルタイム
音声エージェントには 2 つの構成要素が必要です。1 つは、API キーがクライアントに到達しないように短期有効なトークンを発行するサーバールートです。もう 1 つは、それと接続するブラウザコンポーネントです。
トークンルートを追加します：この例ではモデルを xai/grok-voice-think-fast-1.0 に設定しています:
次に、ブラウザから接続します。@ai-sdk/react の useRealtimehook はそのルートをフェッチし、WebSocket 接続、マイクキャプチャ、オーディオ再生を管理します:
テキストから音声へ
generateSpeech を使用してテキストから音声付きオーディオを生成します。ボイスと出力形式を指定し、xai/grok-tts で結果をファイルに書き込みます:
音声からテキストへ
transcribe を使用して録音をテキストに変換します。この例では xai/grok-stt を使用しています:
プレイグラウンド
AI Gateway プレイグラウンドで xAI 音声モデルを直接試すこともできます。モデルリストを開き、任意のモデルをクリックすると、ブラウザ内で直接使用できます。ここにある xai/grok-voice-think-fast-1.0 のプレイグラウンドでは、エージェントと会話して即座に回答を確認できます:
詳細情報
リアルタイムクイックスタート
音声クイックスタート
すべての xAI モデルを見る
続きを読む
原文を表示
xAI's audio models are now live on AI Gateway. Realtime voice, text to speech, and speech to text are all available through the AI SDK with the same routing, observability, and spend controls as your other models.
These capabilities are available on the AI SDK 7 release.
Available models
Capability
Models
Realtime voice
xai/grok-voice-think-fast-1.0
Text to speech
xai/grok-tts
Speech to text
xai/grok-stt
Realtime
A voice agent has two pieces: a server route that mints a short-lived token, so your API key never reaches the client, and a browser component that connects with it.
Add the token route: this example sets model to xai/grok-voice-think-fast-1.0:
Then connect from the browser. The useRealtimehook from @ai-sdk/react fetches that route and manages the WebSocket connection, microphone capture, and audio playback:
Text to speech
Generate spoken audio from text with generateSpeech. Pass a voice and an output format, then write the result to a file with xai/grok-tts:
Speech to text
Transcribe recordings into text with transcribe. This example uses xai/grok-stt:
Playground
You can also try the xAI audio models directly in the AI Gateway playground. Open the models list and click into any of the models to use them directly in the browser. The xai/grok-voice-think-fast-1.0 playground here allows you to talk to the agent and see responses instantly:
More information
Realtime quickstart
Speech quickstart
See all xAI models
Read more
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み