Groq, PlayAI와 협력해 음성 AI 'Dialog' 출시: 초당 140자 고속 생성 지원

음성 AI 상담원과 대화할 때 가장 큰 장벽은 대답이 나오기까지의 어색한 정적과 상황에 맞지 않는 기계적인 어조입니다.

초고속 AI 추론 칩을 만드는 그록(Groq)과 음성 AI 스타트업 플레이AI(PlayAI)가 손을 잡고, 차세대 텍스트 음성 변환(TTS) 모델인 '다이얼로그(Dialog)'를 그록클라우드에 출시했습니다.

대화 맥락을 읽고 감정을 싣는 음성

다이얼로그의 핵심은 플레이AI가 자체 개발한 '적응형 음성 문맥화기(Adaptive Speech Contextualizer, ASC)' 기술입니다.

문장 단위로 텍스트를 끊어서 읽어주던 기존 방식과 달리, ASC는 전체 대화의 흐름과 맥락을 파악합니다. 덕분에 대화 분위기에 맞게 억양과 감정, 발화 속도를 유연하게 조절합니다.

제3자 평가 기관인 포도노스(Podonos)의 선호도 조사 결과, 다이얼로그는 일레븐랩스(ElevenLabs) v2.5 터보 대비 10대 1, 일레븐랩스 다국어 v2.0 대비 3대 1 이상의 압도적인 사용자 선호를 기록했습니다.

이번 모델은 영어와 아랍어로 우선 제공됩니다. 아랍어 버전은 중동 지역을 위해 특화 설계된 최초의 음성 AI 모델로, 중동 및 북아프리카 출신 창업자들이 이끄는 플레이AI의 강점이 반영된 결과입니다.

실시간 말하기보다 10배 빠른 추론

음성 에이전트의 완성도는 지연 시간(레이턴시)에 달려 있습니다. 그록의 독자적인 언어처리장치(LPU)가 진가를 발휘하는 지점입니다.

내부 벤치마크에 따르면 다이얼로그는 GPU 환경에서 초당 86자를 출력했던 반면, 그록 LPU에서는 초당 최대 140자를 기록했습니다. 사람이 실제로 말하는 속도보다 최대 10배 빠르게 음성 데이터를 생성해내는 수준입니다.

그록의 최고수익책임자(CRO) 이언 앤드루스는 그록클라우드가 음성 인식(ASR), LLM 추론, 음성 합성(TTS)을 한곳에서 제공하므로, 개발자가 여러 업체의 API를 번거롭게 조합할 필요가 없다고 설명했습니다.

그록은 최근 사우디아라비아로부터 15억 달러 규모의 투자를 유치하고 담맘에 대규모 추론 데이터센터를 세우는 등 중동 거점을 넓히고 있습니다. 다이얼로그는 현재 그록클라우드에서 무료 및 유료 등급으로 사용할 수 있습니다.

왜 중요한가

실시간 대화형 AI 서비스에서 통신 지연 시간을 줄이는 것은 사용자 경험을 좌우하는 핵심 과제입니다.

개발자 입장에서 이번 협업은 매우 실용적입니다. 기존에는 음성 인식, 모델 생성, 음성 합성을 각각 다른 클라우드로 호출하느라 응답이 지연되기 일쑤였습니다. 그록이 이 전 과정을 단일 LPU 클러스터로 묶어 제공하면서 복잡성과 지연 시간을 한 번에 줄일 수 있게 되었습니다.

시장 경쟁 측면에서도 의미가 큽니다. 사실적인 음성 합성 시장을 이끌어온 일레븐랩스에 맞서, 감정 표현력을 강화한 모델과 초저지연 하드웨어의 결합이라는 강력한 대안이 등장했기 때문입니다.

여기에 사우디의 자본력과 현지 데이터센터를 바탕으로 아랍어권을 선점하려는 전략 역시 영리해 보입니다. 다양한 아랍어 방언을 얼마나 정교하게 소화할지가 과제로 남아 있지만, 완성도 높은 실시간 음성 에이전트를 구현하려는 기업들에게는 지금 즉시 검토해볼 만한 선택지입니다.