xAI、電話で話すAIをノーコードで作れる「Voice Agent Builder」公開——1分$0.05・80以上の声・25言語対応

結論から言うと、電話で話すAI（音声エージェント）を、プログラミングなしで作れる新しいツールが登場しました。xAIは2026年7月1日、Grokの音声機能を使った『Voice Agent Builder』をベータ公開しました。やりたいことを普通の文章で書くだけで、約2分で実際に電話応対できるAIが完成します。最大の特徴は料金と速さです。

利用料は1分あたり0.05ドルと安く、無料でもらえる電話番号を使う場合は通話に1分0.01ドルが加わります。声は80種類以上から選べ、2分ほどの音声があれば自分の声を再現（クローン）することもできます。25以上の言語に対応し、会話の途中で言語を切り替えることも可能です。

速さの秘密は、これまで別々だった『音声を文字に変換→AIが考える→文字を音声に変換』という3つの処理を、1つの音声対音声モデルにまとめた点です。そのため返事までの時間が1秒未満に短縮され、音声ベンチマーク『Big Bench Audio』で1位を記録したとしています。

私たちに関係するのは、予約受付・問い合わせ・予約変更といった電話対応を、少ない費用で自動化できる可能性が広がることです。注意点として、まだベータ版なので品質や機能は今後変わる可能性があり、実際の業務で使う前に小さくテストするのが安全です。