정확도 2배, 가격 동일: xAI의 Grok Voice Transcribe 2.0

음성 인식 정확도의 새 기준

xAI가 9월 18일 Grok Voice Transcribe 2.0을 출시했다. 기존 1.0 버전과 동일한 가격($0.10/시간 배치, $0.20/시간 스트리밍)에 정확도를 2배로 끌어올렸다. Artificial Analysis 리더보드에서 32개 스트리밍 모델 중 1위를 기록했으며, 19개 언어 단문 평가에서 단어 오류율(WER)이 20.6%에서 6.8%로 개선됐다.

실제 환경 대응력 강화

이번 버전은 열악한 전화 품질, 배경 소음, 억양 차이, 인증 정보 음성 입력 등 실제 현장의 난제 처리 능력을 대폭 강화했다. 다국어 자동 감지, 단어 수준 타이밍과 신뢰도 점수, 화자 자동 레이블링(diarization), 8채널 독립 전사, 도메인 특화 어휘 바이어싱(요청당 100개 용어)을 지원한다. 이 모든 기능이 추가 비용 없이 포함된다.

Tesla 차량과 고객 지원 현장에서 검증

Grok Voice Transcribe 2.0은 이미 Tesla 차량 어시스턴트, 대규모 고객 지원 통화, 비디오 나레이션 전사 등 실제 운영 현장에서 사용 중인 Grok Voice의 기반 위에 구축됐다. 출시와 함께 Grok API의 기본 Speech-to-Text 모델로 전환되며, 기존 1.0 버전은 곧 지원 종료(deprecated) 예정이다.

음성 AI 경쟁 지형

OpenAI의 Whisper, Google의 Chirp 2와 정면으로 맞서는 이번 출시로 xAI는 음성 인식 시장에서 존재감을 키운다. 동일 가격에 정확도 2배라는 전략은 기업 고객의 마이그레이션을 이끄는 유인 요소로 작용한다.