스페이스XAI, ‘그록 보이스 트랜스크라이브 2.0’ 공개...전사 정확도 1위

스페이스XAI가 음성 전사 기술의 새로운 지평을 열었습니다. 18일(현지시간) 공개된 ‘그록 보이스 트랜스크라이브 2.0(Grok Voice Transcribe 2.0)’은 기존 모델보다 더욱 향상된 음성 인식 정확도를 자랑하며, 다양한 현실 환경에서도 뛰어난 성능을 발휘할 수 있도록 설계되었습니다. 스페이스XAI는 이 모델이 현재 사용 가능한 변환 모델 중에서 가장 정확한 것 중 하나라고 강조하고 있습니다.

현실적 환경에서의 전사 정확도 향상

그록 보이스 트랜스크라이브 2.0은 실제 환경에서 수집한 다양한 음성 데이터를 기초로 개발되었습니다. 특히, 전화 통화와 같이 음질이 불안정한 상황이나 여러 사람이 동시에 대화하는 복잡한 환경에서도 높은 정확도를 유지할 수 있도록 설계되었습니다. 이는 스페이스XAI의 기존 음성 비서 기술, 즉 테슬라 차량에 적용된 그록 음성 비서의 경험을 바탕으로 하고 있습니다.

또한, 다국어 지원 기능이 대폭 강화되어 있습니다. 수십 개의 언어를 지원하며, 음성을 분석하면서 자동으로 언어를 식별하는 능력을 갖추고 있습니다. 이로 인해 대화 중 언어가 변경되는 상황에서도 매끄럽게 대처할 수 있게 되었습니다. 특히 차량 내에서의 짧은 음성 명령 처리에서 단어 오류율이 기존 20.6%에서 6.8%로 감소하여, 사용자의 편의성을 더욱 높였습니다.

다양한 기능과 활용 가능성

이번 모델은 배치 전사(Batch Transcription)와 실시간 스트리밍 전사를 모두 지원합니다. 사용자는 녹음 파일이나 URL을 통해 손쉽게 전사를 진행할 수 있으며, 각 단어의 시작과 종료 시점까지 확인할 수 있는 타임스탬프 기능도 제공됩니다. 심지어 여러 사람의 대화를 구분할 수 있는 기능도 포함되어 있어, 최대 8개 오디오 채널을 독립적으로 전사할 수 있습니다.

추가적으로 ‘핵심 용어 편향’ 기능을 통해 특정 제품명이나 전문 용어를 사전에 입력해 정확한 인식을 보장 받을 수 있습니다. 숫자나 날짜, 이메일 주소 등의 정보를 보다 읽기 쉽게 변환하는 기능도 포함되어 있어, 비즈니스 환경에서의 활용도가 높습니다. 이러한 기능들은 고객 지원 전화, 영상 내레이션 등 다양한 분야에서 유용하게 사용될 것으로 보입니다.

새로운 AI 작업 흐름 창출

아틀라시안의 영상 녹화 및 공유 서비스인 ‘룸(Loom)’에서는 그록 보이스 트랜스크라이브 2.0을 활용해 기존 전사 솔루션보다 더 높은 정확도를 확인했다고 밝혔습니다. 이와 같은 정확한 음성 전사 기술은 영상 속 음성을 코드 작업과 연결하는 새로운 AI 작업 흐름을 생성할 수 있는 가능성을 열어줍니다. 예를 들어, 업무 계획을 음성으로 설명하면, 전사된 내용을 바탕으로 실제 코드 수정으로 이어질 수 있는 체계가 마련되는 것입니다.

가격 측면에서도 기존 모델과 동일하게 설정되어 있습니다. 배치 전사는 오디오 1시간당 0.10달러, 실시간 스트리밍 전사는 1시간당 0.20달러로 제공됩니다. 화자 구분, 타임스탬프, 핵심 용어 기능은 추가 비용 없이 제공되어 사용자에게 경제적인 혜택을 제공합니다.

스페이스XAI의 그록 보이스 트랜스크라이브 2.0은 앞으로 음성 전사 API의 기본 모델로 자리 잡을 예정입니다. 기존 모델인 1.0은 몇 주 내에 지원이 종료될 예정이므로, 사용자들은 새로운 모델로의 전환을 고려해야 할 시점에 이르렀습니다. 이러한 기술 발전은 음성 인식 분야에서의 새로운 가능성을 열어주며, 다양한 산업에서의 활용을 기대하게 만듭니다.