xAI, ‘그록 음성 에이전트 API’ 출시… 1초 미만 응답에 분당 0.05달러

테슬라 차량과 모바일 앱에서 먼저 선보였던 xAI의 실시간 음성 기술이 이제 모든 개발자에게 열립니다.

xAI는 자사의 음성 처리 엔진을 외부 서비스에 연동할 수 있는 Grok Voice Agent API를 공식 출시했습니다.

수십 개 언어를 유창하게 구사하며, 외부 도구 호출과 X 플랫폼 및 웹 전반의 실시간 검색 기능을 통합한 음성 에이전트를 손쉽게 구축할 수 있는 것이 특징입니다.

자체 기술 스택으로 응답 지연 대폭 단축

xAI는 오픈소스나 외부 모듈을 조합하는 대신, 음성 활동 감지(VAD)와 토크나이저, 오디오 모델 전체를 바닥부터 직접 훈련해 파이프라인을 구축했다고 밝혔습니다.

이러한 자체 스택을 바탕으로 첫 오디오 응답까지 걸리는 시간을 1초 미만으로 단축했으며, 이는 가장 근접한 경쟁 제품보다 약 5배 빠른 속도라는 설명입니다.

음성 추론 벤치마크인 Big Bench Audio에서 1위를 차지했으며, 이 결과는 리서치 기관 Artificial Analysis의 독립 검증을 거쳤습니다. OpenAI의 Realtime API와의 블라인드 비교 평가에서도 발음, 억양, 운율 면에서 더 우수한 평가를 받았습니다.

개발자는 Ara, Eve, Leo 등 다양한 보이스를 활용할 수 있고, 속삭임이나 한숨, 웃음 같은 표현도 프롬프트로 제어할 수 있습니다. 요금은 오디오 사용 시간 기준 분당 0.05달러의 단일 정액제로 책정되었습니다.

또한 OpenAI Realtime API 규격과 호환되도록 설계되었으며, 공식 LiveKit 플러그인과 브라우저 전용 플레이그라운드도 함께 지원합니다.

왜 중요한가

음성 AI 인터페이스의 핵심 경쟁력이 텍스트 변환 기반의 지연 시간을 줄이는 엔드투엔드 음성 처리로 이동하는 시점에서, xAI의 이번 발표는 시장의 판도를 뒤흔들 수 있는 행보입니다.

개발자 관점에서는 OpenAI Realtime API 규격과 호환되면서도 분당 0.05달러라는 단순한 요금제를 제시했기 때문에, 기존에 구축해 둔 음성 서비스를 큰 개발 공수 없이 이전해 성능을 비교해 볼 수 있습니다.

우리가 보기에 xAI의 가장 큰 강점은 이미 수백만 대의 테슬라 차량이라는 가혹한 실제 사용자 환경에서 안정성을 검증받고 나온 기술이라는 점입니다. 여기에 X와 웹의 실시간 데이터를 즉시 조회할 수 있는 능력은 정적인 지식에 머물기 쉬운 경쟁 음성 모델들과 확실한 차별화 요소가 됩니다.

다만 실제 고객 응대나 전문 업무 시스템에 적용될 때는 단순한 반응 속도뿐만 아니라 산업별 전문 용어 처리의 정확도와 소음 환경에서의 인식률이 엄격하게 요구됩니다. 벤치마크상의 높은 점수가 엔터프라이즈 현장의 신뢰성으로 이어질 수 있을지가 향후 성패를 가를 것입니다.