스페이스XAI는 29일(현지시간) 개발자용 차세대 음성 에이전트 모델인 '그록 보이스 싱크 패스트 2.0(Grok Voice Think Fast 2.0)'을 출시했다.

이 모델은 기존 1.0 버전을 바탕으로 지능과 음성 전사 정확도, 자연스러운 대화 능력, 도구 호출 신뢰성을 크게 향상한 것이 특징이다.

음성과 동시에 추론을 수행하는 구조를 유지하면서도 추론 효율을 크게 높였다. 이를 통해 응답 지연을 늘리지 않으면서도 복잡한 질문을 처리할 수 있으며, 실제 서비스에서는 에이전트가 첫 문장을 끝내기 전에 필요한 외부 도구 호출을 완료하는 경우가 많아졌다고 설명했다.

음성 인식 성능도 크게 개선됐다. 24개 언어의 수천개 음성 문장을 대상으로 실시한 자체 평가에서 '딥그램 노바 3(Deepgram Nova 3)'와 '일레븐랩스 스크라이브 v2(ElevenLabs Scribe v2)'보다 1.5~2배 높은 정확도를 기록했으며, 기존 1.0 모델보다도 약 1.4배 향상된 성능을 보였다고 밝혔다.

특히 주변 소음이 심하거나 전화망 음성 압축이 적용된 환경에서는 전용 음성 인식 모델보다 약 10배 우수한 성능을 나타냈다고 강조했다.

독립 평가에서도 경쟁력을 입증했다. 아티피셜 애널리시스의 음성 AI 벤치마크에서 종합 점수 82.9%를 기록해 1.0 버전의 75.7%를 크게 웃돌았으며, 'GPT-리얼타임-2.1(79.1%)'과 '제미나이 3.1 플래시(69.5%)'도 앞섰다.

에이전트 수행 능력은 56.5%로 이전 모델(52.1%)과 GPT-리얼타임-2.1(45.7%), 제미나이 3.1 플래시(37.7%)보다 높은 점수를 받았다. 첫 음성 응답까지 걸리는 시간도 1.25초에서 0.70초로 단축됐다.

대화 방식은 실제 사람의 대화 패턴을 반영하도록 강화했다. 대규모 강화학습을 통해 문장을 더 짧고 간결하게 구성하고, 한 번에 하나의 질문만 제시하며, 불필요한 설명을 줄이도록 학습했다. 사용자는 단순하고 자연스러운 대화를 경험하는 동시에, 모델은 내부적으로 여러 단계를 미리 계획하며 복잡한 작업을 처리할 수 있도록 설계됐다.

스페이스XAI는 기존 프롬프트를 수정하지 않아도 대부분의 활용 사례에서 성능이 향상될 것으로 기대하고 있다. 실제 스타링크 전화 상담 서비스에서 진행한 A/B 테스트에서는 판매 전환율과 고객 지원 자동 처리율이 모두 개선된 것으로 나타났다고 밝혔다.

새 모델은 오디오 1분당 0.08달러의 요금으로 제공된다. 또 오는 8월5일부터 기본 모델인 'grok-voice-latest'는 자동으로 이 모델로 전환된다.

박찬 기자 cpark@aitimes.com