ろぼいんブログ
AIAndroidGrokiOSX（Twitter）xAIアプリニュース

Grokにカメラ映像を“見る”機能と多言語の音声会話が追加

サムネイル

X（旧Twitter）を運営するxAIが、同社のAI「Grok」がカメラの映像を“見る”ことができるようになる「Grok Vision」という機能を発表しました。

また、Grokと音声で会話できる「Voice Mode」が多言語の音声とリアルタイム検索にも対応したとのことです。

広告

Grokは、イーロン・マスク率いるxAIが開発している大規模言語モデル（LLM）です。

xAIは、ChatGPTなどで知られるOpenAIに対抗して2023年に設立されたAI開発企業で、2025年3月にはXを買収しました。

GrokはXと非常によく統合されており、XのアプリやWebサイトの専用タブから利用できるほか、「@grok」とメンションすればタイムライン上で直接会話できます。

また、Web検索機能に加え、X上のリアルタイムの投稿を参照して回答する機能が搭載されているため、競合他社のLLMと比較してリアルタイム情報に非常に強いことが特徴的です。

最近では、X上で話題となった投稿のリプライ欄に「@grok ファクトチェック」と書き込み、投稿内容の真偽を検証させるリプライが急増しています。

サムネイル
Grokのファクトチェックとは？AIの落とし穴に注意
近ごろ、X（旧Twitter）では「Grok」と呼ばれる生成AIにファクトチェックを求めるリプライが急増している。しかし、Grokのような生成AIにファクトチェックをさせる行為は、危険性をはらんでいる。この記事では、生成AIの仕組みや具体的な数値を交えながら、Grokによるファクトチェックの落とし穴について解説する。

xAIのEbby Amir氏は自身のXアカウントで、GrokでGrok Visionと、Voice Modeでの多言語音声とリアルタイム検索が可能になったと発表しました。

広告

これらの新機能はすべてのiOSユーザーがGrokのアプリ上で利用できます。

また、AndroidではVoice Modeでの多言語音声とリアルタイム検索が利用できますが、SuperGrokに加入しているユーザーのみが対象とのことです。

Xには、Grok Visionが動作するようすを収めた動画が投稿されています。

AIがカメラの映像を見ながら音声でリアルタイムの会話ができる機能は、OpenAIのChatGPTにはAdvanced Voice Mode、GoogleのGeminiにはProject Astraという形で搭載されています。

広告

xAIは、ChatGPTが過去のすべてのチャット履歴を参照してパーソナライズされた回答を提供できるようになったわずか6日後に同様の機能を発表するなど、活発に新機能を追加しています。

記事をシェア

Xに共有するBlueskyに共有するMisskeyに共有するLINEに共有するThreadsに共有する

フォローして最新情報を入手

Googleの優先ソースに追加すると、このサイトの記事をGoogleで見つけやすくなります。また、ぜひXやRSSフィードもフォローしてください。

Googleの優先ソースとして追加するGoogleの優先ソースとして追加するXのロゴ
広告
著者のアイコン画像
ろぼいん
XMisskeyGitHubQiita

生まれた時から、母国語よりも先にJavaScriptを使っていました。ネットの海のどこにもいなくてどこにでもいます。

Webフロントエンドプログラマーとして、TypeScriptを用いたWebアプリやブラウザー拡張機能を制作。Xのシャドウバン検知ツール「Shadowban Scanner」やリンクカード復活ツール「Restore Link Card」を公開し、国内外のメディアで紹介されました。iGEM 2023ではJapan-UnitedチームのWikiを制作してGrand Prizeの獲得に貢献。ブログではXやSNSの最新ニュース、不具合の検証と対処法、フロントエンド開発の知見を発信しています。