xAI, 에이전트 환경 특화 음성 모델 공개..."사전 추론으로 오류 줄여"

최근 IT 업계에서는 음성 인식 기술이 한층 더 진화하고 있는 가운데, xAI와 중국의 샤오미가 각각 에이전트 환경에 특화된 차세대 음성 AI 모델을 선보였습니다. 이 두 모델은 고객 응대와 상업적 활용을 더욱 원활하게 만들어줄 혁신적인 기능을 갖추고 있어 업계의 이목이 집중되고 있습니다.

xAI의 그록 보이스 싱크 패스트 1.0

xAI는 23일(현지시간) 자사의 새로운 음성 모델 ‘그록 보이스 싱크 패스트 1.0’(Grok Voice Think Fast 1.0)을 공개했습니다. 이 모델은 고객 지원, 전화 영업, 예약 관리 등 다양한 복잡한 업무를 음성으로 처리하는 데 최적화된 기능을 가지고 있습니다. xAI는 특히 응답 지연을 최소화하여 자연스러운 대화 경험을 제공하는 데 주력했습니다.

이 모델의 가장 큰 특징 중 하나는 ‘사전 추론’ 기능입니다. 기존 음성 AI가 흔히 겪는 문제인 잘못된 답변 생성을 줄이기 위해, 응답을 생성하기 전에 내부적으로 판단 과정을 거치는 구조를 도입했습니다. 이는 사용자가 자연스럽게 대화할 수 있도록 돕고, 고객의 문의에 대한 정확한 응답을 제공할 수 있는 기반이 됩니다. 실제로 스타링크(Starlink)와 협력하여 저지연 통신 환경을 구축하고, 현실적인 전화 환경에서도 뛰어난 성능을 보여주고 있습니다.

xAI는 이 모델을 통해 고객 상담의 70%를 인공지능이 스스로 처리할 수 있으며, 판매 문의의 20%를 실제 구매로 전환하는 성과를 기록했다고 밝혔습니다. 이러한 통계는 인공지능 음성 에이전트가 기업의 고객 지원 및 영업 업무에서 얼마나 중요한 역할을 할 수 있는지를 잘 보여줍니다.

샤오미의 미모-V2.5-ASR

샤오미는 24일 ‘미모-V2.5’ 시리즈를 선보이며, 오픈소스로 음성 인식 모델 ‘미모-V2.5-ASR’(MiMo-V2.5-ASR)을 공개했습니다. 이 모델은 오디오 태그 제어 기능을 통해 텍스트 내의 특정 위치에서 감정, 상태, 스타일 등을 정밀하게 조정할 수 있는 특징이 있습니다. 사용자는 일반 텍스트만으로도 리듬이나 감정 변화를 자연스럽게 파악할 수 있습니다.

미모-V2.5-ASR는 영어는 물론 여러 중국어 방언도 지원하며, 몇 개의 샘플만으로도 목표 음성을 높은 정확도로 복제할 수 있는 능력을 갖추고 있습니다. 이 모델은 대규모 중간 학습과 고품질 지도 학습, 그리고 강화 학습 기법을 결합하여 성능을 극대화했습니다. 특히 회의와 같은 다자간 대화나 노래 가사 인식, 전문 용어 및 고유명사 처리에서 두각을 나타내며, 기존 모델들이 어려움을 겪던 영역에서 강점을 보이고 있습니다.

현재 이 모델은 허깅페이스와 깃허브에서 다운로드할 수 있어, 많은 개발자와 연구자가 손쉽게 활용할 수 있는 환경이 조성되었습니다.

향후 전망

xAI와 샤오미가 발표한 이 두 음성 AI 모델은 단순한 기술적 진보를 넘어, 실제 비즈니스 환경에서의 효율성을 크게 높일 수 있는 가능성을 보여줍니다. 고객 지원과 영업 업무에서 인공지능의 활용이 더욱 확산될 것으로 예상되며, 이는 기업의 경쟁력을 한층 더 강화할 요소로 작용할 것입니다. 앞으로 이러한 기술들이 더 발전하여 다양한 산업 전반에 걸쳐 혁신을 이끌어갈 수 있기를 기대합니다.