STT API는 25개 언어를 지원하고, 배치 처리는 시간당 $0.10, 실시간 스트리밍은 $0.20 가격이에요

xAI가 Grok 기반의 음성 인식(STT)·음성 합성(TTS) API를 독립 출시했어요.

STT API는 25개 언어를 지원하고, 배치 처리는 시간당 $0.10, 실시간 스트리밍은 $0.20 가격이에요. 단어별 타임스탬프, 화자 분리(diarization), 12가지 오디오 포맷을 지원하고 파일 한 건당 최대 500MB까지 처리할 수 있거든요.

정확도 벤치마크에서는 전화 통화 개체 인식 오류율 5.0%로 ElevenLabs(12.0%), Deepgram(13.5%), AssemblyAI(21.3%)보다 크게 앞선다고 주장하고 있어요. 이 수치가 실제 프로덕션 환경에서도 유지된다면 경쟁사들 입장에서는 꽤 부담스러운 숫자예요.

Tesla 차량, Starlink 고객 지원에서 이미 쓰이던 인프라를 그대로 API로 개방한 거라 실전 검증은 어느 정도 된 셈이에요. 음성 AI 시장에 xAI가 본격 참전하면서 STT/TTS API 가격 경쟁이 빨라질 수 있어요.