초당 0.00083달러…그록 보이스, 음성 API 제공

그록 보이스(Grok Voice)가 개발자용 AI 음성 인프라 플랫폼 fal.ai에 연동됐다. 이용료는 오디오 1초당 0.00083달러(약 1.13원)다.

개발자는 음성 인식·언어 처리·음성 합성 API를 따로 조합하지 않고 음성 대 음성 모델을 활용해 실시간 음성 에이전트를 구축할 수 있다. fal.ai는 서비스 페이지에서 녹음 파일 처리를 위한 HTTP API와 실시간 양방향 대화를 지원하는 WebSocket API를 제공한다고 밝혔다.

WebSocket API는 사용자가 말하는 동안 에이전트가 응답할 수 있는 전이중 통신 구조를 채택했다. 첫 음성 응답은 1초 이내를 목표로 하지만 실제 지연 시간은 입력 환경과 네트워크 조건에 따라 달라질 수 있다.

기존 음성 에이전트는 음성 인식(STT), 대규모 언어 모델 처리, 음성 합성(TTS)을 순차적으로 연결하는 방식이 일반적이었다. 그록 보이스는 이 과정을 음성 대 음성 모델로 통합해 여러 서비스와 인프라를 별도로 관리하는 부담을 줄이는 구조를 내세운다.

fal.ai가 안내한 이용료는 분당 약 0.05달러(약 68원)다. 1시간 연속 음성 상호작용 비용은 약 3달러(약 4080원)이며, 사용량에 따라 과금하고 최소 사용량은 두지 않는다.

언어 지원 범위는 25개 이상이다. 25개의 기본 음성과 사용자 지정 음성을 제공하며, 음성 복제 기능도 지원한다.

xAI는 발표문에서 7월 6일 기존 5개 음성에 21개 다국어 음성을 추가했다고 밝혔다. 약 1분 분량의 음성으로 사용자 지정 음성을 만들 수 있다고 설명했다.

에이전트가 대화 중 외부 함수를 호출하는 기능도 포함됐다. 고객 계정 조회, 재고 확인, 거래 처리처럼 외부 시스템과 연결된 작업을 대화 흐름 안에서 수행할 수 있다는 설명이다.

실제 서비스에 적용할 때는 음성 복제 대상의 동의와 개인정보 보호, 외부 시스템 접근 권한을 별도로 관리해야 한다. 특히 외부 함수 호출은 음성 대화와 실제 업무 처리를 연결하는 기능인 만큼 권한 범위를 구분할 필요가 있다.

이번 연동은 소비자용 그록 애플리케이션 업데이트보다 개발자와 기업을 겨냥한 API 확장에 가깝다. xAI는 Grok Voice Agent API 공개 자료를 통해 2025년 12월 개발자용 음성 API를 공개했다.

xAI는 2026년 4월 그록 보이스 씽크 패스트 1.0을 발표했고, 7월에는 씽크 패스트 2.0을 공개했다. 각 발표에서는 음성 추론과 대화, 도구 사용 기능 개선을 내세웠다.

fal.ai는 하나의 SDK와 서버리스 API로 여러 생성형 AI 모델을 연결하는 개발 환경을 제공한다. 이번 연동으로 그록 보이스도 이미지·영상 생성 모델과 함께 개발자용 모델 선택지에 포함됐다.

음성 대 음성 방식은 음성 입력을 텍스트 처리 단계와 음성 합성 단계로 나누지 않고 음성 출력으로 연결하는 구조다. WebSocket은 서버와 클라이언트가 연결을 유지하면서 데이터를 실시간으로 주고받는 통신 방식이다.

이번 연동을 둘러싼 SNS의 정량적 확산 규모나 주요 업계 관계자의 별도 반응은 확인되지 않았다. 공식 페이지에 제시된 가격과 기능 외에 실제 사용량과 서비스 품질에 미칠 영향은 추가 검증이 필요하다.