xAI, Grok Speech to Text 및 Text to Speech API 공개
Grok Speech to Text and Text to Speech APIs Fast and accurate. Natural, expressive voices. Simple pricing. Multilingual support. Apr 17, 2026
xAI가 단독으로 사용할 수 있는 음성 API인 Grok Speech to Text(STT)와 Grok Text to Speech(TTS)를 발표했다. Grok Voice, Tesla 차량, Starlink 고객 지원을 뒷받침하는 기술 기반 위에 구축되었다. 요금은 STT가 일괄 처리 시 시간당 $0.10, 스트리밍 시 시간당 $0.20이며, TTS는 100만 자당 $15.00이다.
STT는 REST 방식의 대용량 음성 파일 전사와 WebSocket 방식의 실시간 전사를 모두 지원한다. 단어 단위 타임스탬프, 화자 분리(다이어리제이션), 다채널 음성을 지원하며, 포맷 기능을 켜면 숫자, 날짜, 통화 등을 정리하는 역텍스트 정규화도 수행한다. 25개 이상의 언어를 지원한다고 밝혔다.
xAI가 제시한 평가에 따르면 단어 오류율(WER)은 전체 기준 Grok STT 6.9%, ElevenLabs 9.0%, Deepgram 11.0%, AssemblyAI 12.9%였다. 전화 음성의 고유표현은 5.0%, 회의는 10.9%, 전화 음성은 9.3%, 동영상·팟캐스트는 2.4%로 ElevenLabs와 같은 수준이다. 의료, 법무, 금융 등 업무용 고유표현 인식에 강점이 있다고 한다.
TTS는 REST 방식의 장문 음성 변환과 WebSocket 방식의 실시간 음성 생성을 제공한다. [laugh], [sigh], [whisper] 같은 인라인 태그와 <emphasis>, <slow>, <pause> 같은 감싸기 태그를 사용하면 복잡한 마크업 없이도 억양과 감정을 넣을 수 있다.
요금은 STT 배치 방식 시간당 $0.10, 스트리밍 방식 시간당 $0.20, TTS는 100만 자당 $15.00이며, 숨은 비용이 없는 종량제라고 한다. 세부 요금 제한은 xAI API 콘솔에서 확인할 수 있다. 용도로는 음성 에이전트, 실시간 전사, 접근성, 팟캐스트 등이 제시되어 있다.
출처: xAI News · x.ai