Grok incorpora 21 nuevas voces principales y amplía su sistema de voz con opciones multilingües diseñadas para atención al cliente, educación, publicidad y creación de personajes.
Grok incorpora 21 nuevas voces principales como parte de una ampliación importante de su tecnología de conversación hablada. La actualización no se limita a ofrecer distintos tonos para escuchar las respuestas de la inteligencia artificial. Las nuevas voces han sido preparadas para desempeñar funciones concretas, desde atender consultas de clientes hasta narrar historias, explicar contenidos educativos o grabar mensajes publicitarios. Con este movimiento, la compañía responsable de Grok refuerza su apuesta por los agentes capaces de hablar de una manera más natural, expresiva y adaptada a cada contexto.
Qué ha anunciado xAI
La compañía ha incorporado 21 nuevas voces al catálogo de Grok Voice. Estas se suman a las cinco opciones que ya estaban disponibles, por lo que el sistema pasa a contar con un total de 26 voces principales.
Las nuevas alternativas no se han diseñado como simples variaciones entre una voz masculina y otra femenina. Cada una cuenta con un carácter, una entonación y un estilo pensados para una tarea determinada.
Algunas pueden resultar más adecuadas para conversaciones de soporte, mientras que otras están orientadas a la narración, los anuncios, los personajes ficticios, los comentarios o la enseñanza. La intención es que empresas y desarrolladores puedan elegir una voz coherente con el servicio que desean crear.
La actualización está disponible a través de las herramientas profesionales de voz de Grok, entre ellas su API en tiempo real, el sistema de conversión de texto a voz y el creador de agentes sin código.
Cuáles son las nuevas voces
La nueva selección incluye nombres como Lumen, Castor, Naksh, Atlas, Carina, Zagan, Helix, Orion y Luna. A ellas se suman otras opciones denominadas Iris, Altair, Zenith, Perseus, Helios, Lux, Kepler, Rigel, Cosmo, Celeste, Ursa y Sirius.
La elección de nombres vinculados con estrellas, constelaciones, luz y astronomía mantiene una identidad reconocible dentro del ecosistema de Grok.
No todas las voces suenan igual ni están destinadas al mismo tipo de contenido. Carina, por ejemplo, se presenta como una alternativa suave, empática y tranquila, apropiada para atención al cliente o situaciones donde la conversación deba transmitir calma.
Otras voces buscan una presencia más enérgica, narrativa, cercana o profesional. La variedad permite evitar que todos los agentes hablen con la misma entonación neutra, uno de los problemas habituales de los primeros asistentes de voz.
Qué pasa con las voces originales
Las cinco voces anteriores no desaparecen. Ara, Eve, Leo, Rex y Sal continúan formando parte del catálogo, pero también han recibido mejoras.
xAI explica que han sido entrenadas de nuevo mediante un procedimiento actualizado. El objetivo es conseguir un ritmo más natural, mejores pausas y un uso más convincente del énfasis.
La diferencia puede apreciarse en pequeños detalles. Una voz sintética poco avanzada suele leer todas las frases con una velocidad parecida, acentuar palabras incorrectas o introducir pausas en lugares extraños. Una opción más natural modifica el ritmo según el significado, reduce la velocidad cuando explica algo complejo y destaca los conceptos importantes.
Estas mejoras son especialmente relevantes durante conversaciones largas, donde una entonación repetitiva puede resultar cansada o artificial.
Más de 25 idiomas disponibles
Uno de los puntos más destacados es que las nuevas voces son multilingües de forma nativa. Grok Voice admite más de 25 idiomas y permite utilizar una misma identidad sonora en diferentes lenguas.
Entre los idiomas mostrados por la compañía aparecen español, inglés, francés, alemán, italiano, portugués, árabe, chino, japonés, coreano, hindi, bengalí, ruso, turco e indonesio.
Esto puede resultar muy útil para una empresa que trabaja en varios países. En lugar de utilizar una voz completamente distinta en cada idioma, puede mantener un estilo parecido en todas sus versiones.
El reto estará en conseguir que la pronunciación, el ritmo y la expresividad funcionen correctamente en cada lengua. Una voz capaz de hablar español no siempre suena igual de natural que otra entrenada específicamente para ese idioma. La calidad real dependerá del acento elegido, la complejidad del texto y el contexto de la conversación.
Voces preparadas para diferentes trabajos
La ampliación pretende cubrir cinco grandes áreas: soporte, personajes, comentarios, publicidad y educación.
En atención al cliente interesa una voz paciente, clara y empática. Debe explicar problemas sin sonar brusca, reconocer la frustración del usuario y confirmar los pasos realizados.
Para un personaje ficticio se necesita más expresividad. La entonación puede ser dramática, divertida, misteriosa o exagerada según la historia, el videojuego o la experiencia interactiva.
Las voces de comentarios están pensadas para narrar acontecimientos, vídeos, retransmisiones o contenidos informativos. En este caso importa mantener el ritmo y transmitir interés sin resultar artificial.
En publicidad se busca una dicción más persuasiva y dinámica, mientras que en educación resulta esencial pronunciar con claridad, introducir pausas y adaptar el tono a una explicación.
Control mediante etiquetas de voz
Los desarrolladores pueden modificar la forma en que una voz pronuncia un texto mediante etiquetas de habla. Estas instrucciones permiten añadir pausas, susurros, énfasis o cambios de intensidad.
Por ejemplo, una etiqueta de pausa puede separar dos ideas para que la explicación resulte más comprensible. Un comando de susurro puede utilizarse dentro de una narración, mientras que el énfasis permite destacar una palabra concreta.
Esto convierte el texto a voz en algo más parecido a una interpretación. No basta con escribir el mensaje: también se puede indicar cómo debe pronunciarse.
La utilidad será evidente en audiolibros, juegos, vídeos, anuncios y agentes conversacionales. Un texto idéntico puede generar sensaciones muy distintas según la velocidad, la emoción y las pausas utilizadas.
Dónde están disponibles
Las 21 nuevas voces se han lanzado en la Voice Agent API en tiempo real, la Text to Speech API y el Grok Voice Agent Builder.
La primera herramienta permite crear agentes que mantienen conversaciones habladas con baja latencia. La persona habla, el sistema procesa la petición y responde mediante una voz seleccionada.
La API de texto a voz convierte cualquier texto escrito en un archivo o transmisión de audio. Puede utilizarse para narraciones, vídeos, avisos, formación y contenido accesible.
El Voice Agent Builder está diseñado para configurar agentes sin tener que programar todo el sistema desde cero. Desde una interfaz visual es posible elegir una voz, definir instrucciones y establecer el comportamiento del asistente.
El anuncio se dirige principalmente a desarrolladores y empresas. No debe confundirse automáticamente con una actualización que permita a cualquier usuario escoger las 21 opciones desde la aplicación habitual de Grok.
Qué es el creador de agentes de voz
El nuevo creador de agentes permite configurar una inteligencia artificial hablada mediante una plataforma sin código. El usuario selecciona la voz, define su función y añade las instrucciones que guiarán su comportamiento.
Una empresa podría crear, por ejemplo, un agente encargado de responder preguntas frecuentes sobre pedidos. También podría desarrollar un asistente para reservar citas, explicar productos o atender llamadas básicas.
La herramienta busca reducir la necesidad de combinar distintos proveedores para reconocimiento de voz, generación de respuestas, síntesis de audio y gestión telefónica.
La incorporación de 21 opciones aumenta la personalización. Dos compañías pueden utilizar la misma tecnología, pero ofrecer experiencias muy diferentes según la voz, las instrucciones y el tono elegidos.
Posibilidad de clonar una voz
Además del catálogo preparado por xAI, la plataforma permite crear una voz personalizada a partir de aproximadamente un minuto de audio.
Esta función puede ser útil para marcas, creadores o empresas que quieran conservar una identidad sonora propia. Una persona podría grabar una muestra y generar después contenidos hablados sin tener que repetir cada texto completo.
La clonación también plantea cuestiones importantes relacionadas con el consentimiento, la identidad y el posible uso fraudulento. Una voz reconocible puede emplearse para suplantar a una persona, crear mensajes falsos o engañar a quienes la conocen.
Por esa razón, cualquier servicio de clonación debería contar con verificaciones, permisos claros y mecanismos que impidan utilizar grabaciones ajenas sin autorización.
Aplicaciones para empresas
La atención telefónica es uno de los usos más evidentes. Un agente de voz puede responder consultas sencillas, comprobar el estado de un pedido, gestionar reservas o derivar una llamada a una persona.
También puede utilizarse en formación interna, donde una voz explica procedimientos o acompaña al empleado durante una tarea.
En comercio electrónico, el agente podría ayudar a comparar productos y resolver preguntas antes de una compra. En turismo, puede proporcionar información sobre horarios, habitaciones o servicios disponibles.
Los medios y creadores pueden emplear las voces para narrar artículos, vídeos, pódcast o resúmenes. En videojuegos, cada personaje podría tener una identidad sonora diferente sin necesidad de grabar manualmente todas las respuestas posibles.
Utilidad para la educación
Las voces sintéticas pueden convertir documentos, lecciones y manuales en contenido hablado. Esto facilita el acceso a personas con dificultades visuales, problemas de lectura o preferencia por el aprendizaje auditivo.
Una voz pensada para educación debe pronunciar correctamente, mantener un ritmo moderado y hacer pausas donde el estudiante necesita procesar la información.
También puede adaptarse a distintos niveles. Un asistente para niños utilizará expresiones diferentes a las de una herramienta destinada a profesionales.
La posibilidad de cambiar de idioma permite crear materiales multilingües y practicar comprensión oral. Aun así, será importante comprobar la pronunciación de términos técnicos, nombres propios y expresiones regionales.
Una competencia cada vez más centrada en la voz
Las compañías de inteligencia artificial ya no compiten únicamente por ofrecer mejores respuestas escritas. La conversación por voz se está convirtiendo en uno de los principales campos de desarrollo.
Los usuarios esperan una interacción rápida, sin pausas largas y con capacidad para interrumpir o pedir una aclaración. También quieren voces que expresen emociones sin resultar exageradas.
La ampliación de Grok refleja esa evolución. Tener un modelo avanzado ya no es suficiente si la experiencia hablada suena rígida o poco natural.
Las 21 voces permiten a xAI competir en un mercado donde la personalización será cada vez más importante. No todas las aplicaciones necesitan la misma identidad: un profesor virtual, un narrador y un agente de soporte deberían sonar de maneras diferentes.
Riesgos de las voces sintéticas
Una voz realista puede mejorar la accesibilidad y automatizar tareas, pero también puede dificultar saber si estamos hablando con una persona.
Las empresas deberían informar claramente cuando una llamada está atendida por inteligencia artificial. Ocultar este dato puede generar desconfianza y provocar situaciones engañosas.
Otro riesgo es la creación de audios falsos. Cuanto más natural sea la síntesis, más fácil resulta fabricar declaraciones que alguien nunca pronunció.
También deben protegerse las grabaciones utilizadas para clonar voces. Esos archivos contienen datos biométricos y podrían causar daños si se emplean sin permiso.
La mejora tecnológica debe ir acompañada de transparencia, seguridad y sistemas que permitan identificar contenidos generados artificialmente.
Qué cambia realmente con esta actualización
La principal novedad no está solo en pasar de cinco a 26 voces. El cambio importante es la orientación hacia agentes especializados que pueden adoptar una identidad sonora distinta según su función.
Esto permite crear experiencias más coherentes. Un servicio de bienestar puede elegir un tono calmado, mientras que una aplicación deportiva puede utilizar una voz más enérgica.
La compatibilidad con más de 25 idiomas amplía su alcance internacional, y las etiquetas de pronunciación ofrecen un mayor control sobre la interpretación.
La mejora de Ara, Eve, Leo, Rex y Sal demuestra además que xAI no se ha limitado a añadir cantidad. También intenta perfeccionar el ritmo y la naturalidad de las opciones existentes.
Cómo probar las nuevas voces
Las empresas y desarrolladores pueden acceder a las opciones desde la consola de xAI. Allí es posible escucharlas, introducir textos de prueba y comparar cómo interpreta cada una el mismo mensaje.
Antes de elegir conviene comprobar la pronunciación en el idioma deseado, el ritmo durante frases largas y la capacidad para transmitir el tono adecuado.
Una voz agradable en una demostración breve puede resultar cansada durante una conversación de diez minutos. También es necesario probar números, direcciones, abreviaturas y términos específicos del negocio.
La elección no debería depender únicamente de cuál suena más humana, sino de cuál comunica mejor la información y encaja con el público.
Un paso hacia agentes más personalizados
La incorporación de estas voces muestra que Grok busca ir más allá del chatbot escrito. Su objetivo es integrarse en llamadas, aplicaciones, servicios de asistencia y experiencias interactivas.
La posibilidad de elegir entre numerosos estilos, controlar la pronunciación y crear una voz personalizada permite diseñar agentes menos genéricos.
Todavía habrá que comprobar cómo funcionan en situaciones reales, especialmente en español y durante conversaciones con ruido, interrupciones o preguntas inesperadas.
Con este lanzamiento, la voz deja de ser un simple complemento y se convierte en una parte central de la identidad de cada agente. La tecnología no solo tendrá que responder correctamente: también deberá aprender a sonar adecuada para cada momento.
Leer también: Las mejores marcas de aire acondicionado del mercado
