xAI가 음성 대화 모델 ‘그록 보이스 3.0’을 현지 시각 10월 14일 공개했다. 이 모델은 독립 평가기관 아티피셜 애널리시스의 음성 대화(Speech-to-Speech) 지수에서 86.9점을 기록해 1위에 올랐다. 이전 버전인 그록 보이스 2.0은 81.3점, 오픈AI의 GPT-라이브-1은 83.2점, 구글의 제미나이 3.8 라이브는 82.6점이었다.

xAI에 따르면 그록 보이스 3.0은 첫 음성 응답까지 걸리는 시간이 1초 미만이다. 음성 대화 지수는 이전 버전보다 5.6점 상승했다. 대화 중 끼어들기와 동시 발화를 처리하는 풀 듀플렉스 벤치마크에서는 97.0%를 기록했다. 음성 추론을 평가하는 빅 벤치 오디오에서는 98.5%, 사람 선호도를 반영한 음성 에이전트 아레나에서는 1,070점을 얻어 GPT-라이브-1(1,048점)과 제미나이 3.8 라이브(990점)를 앞섰다. 과제 성공률은 94.8%로, GPT-라이브-1(87.4%)과 제미나이 3.8 라이브(89.1%)보다 높았다.

도구 활용 능력을 재는 τ-보이스 벤치마크에서는 71.6%를 기록해 GPT-라이브-1(74.5%)에 이어 2위였다. 빅 벤치 오디오 기준 과제당 비용은 0.025달러로, GPT-라이브-1의 0.030달러, GPT-리얼타임-2.1의 0.055달러보다 낮았다. EVA 벤치 정확도는 74%였다.

가격은 분당 0.08달러(약 107원), 시간당 4.80달러(약 6,437원)로 이전 버전과 같다. 개발자는 음성 에이전트 API로 이용할 수 있다. 그록 보이스는 테슬라 차량에서 하루 수백만 건의 대화를 처리하고 있다. 스페이스X의 스타링크 고객센터는 여러 언어로 하루 2만 건의 통화를 받으며, 이 가운데 약 70%를 사람의 개입 없이 해결한다. 판매 상담 통화 4건 중 1건가량은 구매로 이어진다고 xAI는 밝혔다. 벤치마크 수치는 아티피셜 애널리시스가 10월 13일 기준으로 집계한 결과다.

자세한 내용은 xAI에서 확인할 수 있다.

이미지 출처: xAI