Grok Voice Agent API 출시

xAI가 Grok Voice Agent API를 공개했다. 모바일 앱과 Tesla 차량에서 쓰이던 Grok Voice 스택을 외부 개발자에게 열어, 음성 에이전트를 빠르게 만들 수 있게 했다.

성능도 전면에 내세웠다. 자체적으로 VAD, tokenizer, audio model을 처음부터 학습해 전체 음성 스택을 내재화했고, Big Bench Audio에서 #1을 기록했다고 밝혔다. 평균 time-to-first-audio는 1초 미만이며, 경쟁 제품보다 거의 5배 빠르다고 설명했다.

가격은 연결 시간 기준으로 분당 $0.05의 단일 요금제다. 다만 본문은 OpenAI의 과금 방식과 비교하며, 생산 환경에서는 토큰 기반 비용이 더 높아질 수 있다고 덧붙였다.

• 다국어 지원: 수십 개 언어를 자연스럽게 구사하고, 사용자의 언어에 맞춰 자동 응답하며, 대화 중 언어 전환도 가능하다.
• 평가 결과: OpenAI Realtime API와의 블라인드 인간 평가에서 발음, 억양, prosody 항목에서 선호도가 높다고 주장했다.
• Tesla 통합: 차량 상태 조회, 길찾기, 내비게이션 제어용 도구와 연동되며, 여행 계획 시 X 검색과 경로 계산, 경유지 추가를 함께 수행한다.

개발자는 OpenAI Realtime API specification과 호환되는 방식으로 사용할 수 있고, 공식 xAI LiveKit Plugin도 이용할 수 있다. 또한 브라우저에서 다양한 음성을 시험해볼 수 있는 voice playground를 제공하며, 향후에는 독립적인 text-to-speech와 speech-to-text 엔드포인트, 더 나은 발음과 지연시간을 가진 audio model도 예고했다.