목소리로 AI와 대화하는 기능이 개발자 도구로 들어왔다. xAI는 가격을 그대로 두고 상위 버전을 내놨지만, "세계에서 가장 똑똑한 음성 모델"이라는 표현은 회사 주장이다.
그록 보이스 3.0, 무엇이 바뀌었나
xAI가 지난 10월 14일 음성 모델 그록 보이스 3.0(Grok Voice 3.0)을 공개했다. 이 모델은 자사 음성 에이전트 API(Voice Agent API)에 들어가는 음성 대 음성(speech-to-speech) 모델의 새 버전이다. 음성 대 음성이란 사용자의 말을 텍스트로 바꿨다가 다시 음성으로 합성하는 중간 단계 없이, 말소리를 곧바로 이해하고 음성으로 답하는 방식을 뜻한다.
xAI는 이 모델을 "세계에서 가장 똑똑한 음성 모델"이라고 소개했다. 회사는 오픈AI의 GPT-Live-1, GPT-Realtime-2.1과 자사 모델을 견주는 비용 비교 자료도 함께 내놨다. 이는 xAI 자체 측정에 기반한 수치이므로, 제3자의 검증 없이 그대로 받아들이기는 어렵다.
일론 머스크와 xAI 공식 계정이 발표를 뒷받침했다. 2월에 머스크가 xAI를 스페이스X에 합병한 뒤 회사명을 스페이스XSI로 바꿨지만, 제품명은 그록 브랜드를 유지하고 있다.
개발자에게 중요한 건 가격 그대로라는 점
이번 업데이트에서 사용자에게 가장 직접적인 변화는 가격이 오르지 않았다는 사실이다. 그록 보이스 3.0은 분당 0.08달러(시간당 4.80달러)로 책정됐다. 이전 버전인 2.0과 같은 가격이다. 음성 에이전트를 운영하는 개발자 입장에서는 모델만 바뀌고 청구서는 그대로라는 의미다.
기존에 그록 보이스 최신 버전(grok-voice-latest)을 쓰던 개발자는 별도 작업 없이 자동으로 3.0으로 넘어간다. 개발자가 코드를 고칠 필요가 없다는 뜻이라, 이른바 조용한 업그레이드에 가깝다.
그록 보이스 3.0 요약
- 음성 대 음성 방식의 대화형 모델
- Voice Agent API에 탑재
- 분당 0.08달러, 2.0과 동일 가격
- grok-voice-latest 자동 전환
확인이 필요한 부분
- "세계 최고" 주장의 독립 검증
- 한국어 등 다국어 음질 실제 수준
- 장시간 통화에서의 지연과 안정성
- 경쟁 모델과의 정면 비교 결과
음성 모델 경쟁이 달라지는 지점
음성 AI에서 진짜 승부처는 어디일까. 경쟁은 그동안 "얼마나 자연스럽게 들리는가"에 집중됐다. 그록 보이스 3.0이 겨냥하는 건 그다음 단계다. 실시간으로 주고받으면서 끼어들기와 맥락 유지가 되는 대화형 음성 에이전트, 즉 고객 상담이나 통화 자동화 같은 업무에 바로 투입할 수 있는 수준을 말한다.
개발자에게 이 시장의 관건은 가격 대비 성능이다. 통화 한 건이 길어질수록 분당 요금이 누적되기 때문에, 성능이 조금 좋아도 요금이 뛰면 도입을 망설이게 된다. xAI가 가격을 묶어 둔 건 이 지점을 겨냥한 전략으로 읽힌다.
다만 실제 음질과 응답 속도, 한국어 처리 수준은 개별 개발자가 직접 시험해 봐야 알 수 있다. 회사의 벤치마크 발표와 실제 사용 경험 사이에 차이가 날 수 있기 때문이다.
앞으로 볼 것
음성 에이전트 API 시장에서 오픈AI, 구글, xAI의 가격 경쟁이 어떻게 전개될지가 핵심이다. xAI가 가격을 동결한 상태에서 성능만 올렸다는 주장이 사실로 확인되면, 다른 회사도 가격 조정 압박을 받을 수 있다. 실제 한국어 통화 품질과 지연 시간 데이터가 나오면 도입 판단이 더 분명해질 것이다.
