SpaceXAI는 2026년 9월 18일 Grok Voice Transcribe 2.0을 출시하며 이전 버전보다 두 배 정확해졌고 가격은 같다고 밝혔다. 실시간과 배치 전사를 모두 겨냥하고, 전화 상담처럼 잡음이 많거나 여러 사람이 말하는 상황을 강조했다. 음성 AI 시장에서 이 발표의 의미는 모델 이름보다 정확도·가격·측정 조건을 함께 공개했다는 데 있다.
회사의 숫자와 외부 숫자는 같은 시험이 아니다
xAI는 자체 운영 데이터에서 전화 상담, Grok 대화, 계정번호·이메일을 읽는 음성, 다국어 명령을 따로 평가했다고 설명한다. 이때 말하는 WER(단어 오류율)은 기준 전사와 다른 단어의 비율로, 낮을수록 좋다. xAI는 19개 언어의 짧은 음성 명령 세트에서 WER이 20.6%에서 6.8%로 낮아졌다고 제시하고, Artificial Analysis의 32개 스트리밍 모델 비교에서 정확도 1위라고 주장한다. 이 수치는 공급자가 어떤 환경을 중요한 문제로 봤는지 보여주지만, 내부 표본의 구성과 라벨링 절차를 외부가 완전히 재현한 결과는 아니다.
반면 BenchLeader의 2026년 9월 19일 VoiceCodeBench에서는 GPT Live Transcribe가 67.7%, Grok Voice Transcribe 2.0이 65.3%로 기록됐다. 이 벤치마크의 수치는 WER이 아니라 음성 속 고유명사·약물명·티커 같은 엔터티를 맞히는 정확도다. 두 결과가 모순이라기보다 시험 목적과 비교 단위가 다르다는 뜻이다. 깨끗한 회의 음성, 8kHz 전화선, 한국어 고유명사, 실시간 지연은 각각 다른 제품이 된다.
같은 가격이 바꾸는 선택 기준
전사 API는 분당 비용보다 오류를 사람이 다시 고치는 비용이 더 클 수 있다. 상담센터의 이름·주소·주문번호를 틀리면 후처리와 민원 처리 비용이 늘어난다. 반대로 회의 요약처럼 대략적인 문맥이 중요하면 약간의 오류보다 지연과 처리량이 더 중요할 수 있다.
Grok Voice Transcribe 2.0은 배치 시간당 0.10달러, 스트리밍 시간당 0.20달러로 기존 1.0과 같은 가격에 품질 향상을 내세우면서 교체 장벽을 낮춘다. 하지만 기업이 바로 바꿔야 한다는 뜻은 아니다. 실제 사용 언어, 긴 음성의 지연시간, 화자 분리, 개인정보 보관 위치, 장애 때 재처리 방식까지 확인해야 한다.
API 출시와 제품 경쟁의 다음 단계
음성 전사는 독립 기능으로 끝나지 않는다. 고객센터, 차량 음성비서, 영상 자막, 현장 작업 기록에 연결되면 전사의 품질이 곧 업무 자동화의 품질이 된다. xAI가 Grok Voice를 실제 고객지원과 차량 음성 에이전트에 사용한다고 설명한 것도 이 연결을 강조한 것이다.
다음 검증은 한국어 실측이다. 같은 파일을 여러 모델에 넣어 고유명사, 숫자, 겹쳐 말하기, 사투리, 전화 잡음을 비교하고 시간당 처리비와 수정시간을 합쳐야 한다. ‘두 배 정확도’는 제품 선택의 출발점이지 결론이 아니다.