SpaceXAI가 음성 AI 모델 “Grok Voice Think Fast 2.0”를 발표했습니다. 사용자와의 대화를 음성으로 주고받을 수 있는 모델로, 전 모델을 기반으로 음성 추론 능력, 대화 능력, 툴 사용 시의 신뢰성에서 획기적인 향상을 이루었습니다.
Introducing Grok Voice Think Fast 2.0 | SpaceXAI https://x.ai/news/grok-voice-think-fast-2
Artificial Analysis에서 Grok Voice Think Fast 2.0, 전 모델인 Grok Voice Think Fast 1.0, OpenAI의 실시간 음성 대화 AI “GPT Realtime 2.1(High)”, Google의 고속 추론 모델 “Gemini 3.1 Flash(High)”를 Artificial Analysis의 벤치마크에서 비교한 표를 발표했습니다. 평가 항목은 “음성 관련 품질 지표 전체”, “음성 추론”, “대화의 역동성”, “에이전트의 성능”, “첫 번째 음성까지의 속도”로, 대화의 역동성 외의 4 항목에서 Grok Voice Think Fast 2.0은 비교 대상 중에서 최고 점수 또는 가장 빠른 결과를 기록했습니다.
Announcing Grok Voice Think Fast 2.0, our next-generation voice model with improved intelligence, transcription accuracy, and conversational capabilities. https://t.co/XUiX1CouKz
Artificial Analysis에 따르면, Grok Voice Think Fast 2.0은 Speech-to-Speech Quality Index에서 “Qwen Audio 3.0 TTS Plus”에 이어 2위, 에이전트의 성능으로 1위를 차지했으며, 첫 번째 음성까지의 속도가 0.70초로 가장 빠른 클래스에 속하고 있습니다.
SpaceXAI는 오늘 Grok Voice Think Fast 2.0을 출시했으며, High 추론 버전이 Artificial Analysis Speech to Speech Index에서 82.9%, Tau Voice에서 에이전트 성능에서 56.5%를 기록하며 #2, #1위를 차지했습니다. 첫 번째 음성까지의 시간은 0.70초로, 가장 빠른 모델 중 하나입니다. Grok… pic.twitter.com/kaNtcka3kO
Grok Voice Think Fast 2.0는 음성 대화뿐만 아니라 텍스트 인식 모델로서의 우수성도 입증합니다. 24개의 서로 다른 언어로 수천 개의 짧은 문구를 대상으로 평가한 결과, Deepgram Nova 3와 ElevenLabs의 “150ms의 낮은 지연 시간으로 가장 정확한 실시간 텍스트 인식”을 강조하는 음성 인식 모델인 Scribe v2에 비해 Grok Voice Think Fast 2.0는 1.5에서 2.0배의 개선을 기록했습니다. 이전 모델인 Grok Voice Think Fast 1.0에 비교하면 1.4배의 개선을 달성했습니다. 또한 SpaceXAI에 따르면 Grok Voice Think Fast 2.0는 배경 소음이나 전화 건너옴의 손상된 음성 등 실제 환경에서 매우 뛰어난 성능을 발휘할 수 있도록 개발에 주력했으며, 시끄러운 환경에서는 다른 음성 인식 모델과의 차이가 약 10배에 이르기도 합니다. 아래는 언어별 단어 오류율 그래프로, 숫자가 낮을수록 텍스트 인식의 정확도를 나타냅니다. 모든 언어에서 Grok Voice Think Fast 2.0는 낮은 단어 오류율을 기록했습니다.
Grok Voice Think Fast 모델의 특징은 발화하면서 쿼리를 추론하기 때문에 다른 음성 대화 모델보다 훨씬 더 지능적이며, 여전히 지연 시간을 증가시키지 않는다는 것입니다. 더불어 Grok Voice Think Fast 2.0에서는 이전 모델에 비해 추론 토큰 처리 효율이 매우 향상되어 추론 토큰을 약 60% 줄이고 있다고 합니다. 따라서 실제 운영 환경에서는 도구 호출이 더 빠르게 이루어지며, 일반적으로 에이전트의 첫 번째 문장이 끝나는 전에 실행된다고 합니다. “grok-voice-latest”로 지정하여 사용하고 있다면 2026년 8월 5일부터 자동으로 Grok Voice Think Fast 2.0로 전환됩니다. 업그레이드를 위해 별도의 조작이 필요 없으며, 이전 모델을 계속 사용하고 싶다면 “grok-voice-think-fast-1.0”를 지정하여 버전을 고정해야 합니다. Grok Voice Think Fast 2.0의 요금은 음성 1분당 0.08달러(약 13원)입니다.
원문 보기 | 출처: Gigazine