Grok Voice 3.0으로 070 전화 상담원 만들기: 한국어 26개 목소리 실측과 요금 구조
xAI Grok Voice 3.0을 070 AI 전화 상담원으로 써 봤어요. 공식 발표·문서로 확인한 한국어 지원과 연결 시간 기준 요금, GPT-Live와 다른 점, 26개 목소리 실측과 실제 통화 녹음을 정리했어요.
안녕하세요. 한국AI통신(ClawOps)에서 AI 전화 상담원을 만들고 있어요.
클로옵스의 AI 에이전트는 지금까지 OpenAI 모델로 전화를 받았어요. 음성까지 바로 만드는 GPT Realtime, 듣는 중에도 말하는 GPT-Live, 그리고 음성 인식·대화·음성 합성을 따로 고르는 파이프라인이에요.
그런데 모델 회사가 하나뿐이면 아쉬운 점이 있어요. 목소리 선택지도, 요금 구조도, 모델이 잘하는 일도 한 회사의 방향을 그대로 따라가거든요.
10월 14일, xAI가 Grok Voice 3.0을 발표했어요. 고객 상담 통화를 앞에 내세운 음성 모델이라 전화 상담원에 바로 써 볼 만했어요. 이 글에서는 발표 내용, 한국어 지원, GPT-Live와 다른 점, 요금 구조, 그리고 직접 전화를 걸어 확인한 결과를 차례로 정리해 볼게요.
xAI는 고객 상담 통화를 겨냥해 발표했어요
xAI는 Grok Voice 3.0을 음성을 듣고 바로 음성으로 답하는(speech-to-speech) 모델로 소개했어요. 발표문 첫머리는 이렇게 시작해요.
Grok Voice 3.0, the world's most intelligent speech-to-speech model.
발표문이 강조한 것은 세 가지예요. 고객 지원 통화를 해결하는 능력, 1초 안쪽의 첫 응답, 그리고 다른 최신 모델보다 낮은 비용이에요. 실제 사례로는 Starlink 콜센터를 들었어요. 하루 2만 건의 통화를 여러 언어로 받고, 그중 약 70%를 상담원 연결 없이 끝낸다고 해요. 다만 이 수치는 xAI가 밝힌 자체 운영 수치예요.
발표문에 실린 벤치마크 일부를 옮기면 이래요. Artificial Analysis의 10월 13일 기준 수치를 xAI가 정리한 표예요.
| 지표 | Grok Voice 3.0 | Grok Voice 2.0 | GPT-Live-1 (Astra, Medium) |
|---|---|---|---|
| AA Speech-to-Speech Index | 86.9 | 81.3 | 83.2 |
| 과제 완료율(Task Success Rate) | 94.8% | 94.6% | 87.4% |
| τ-Voice(고객 지원 통화) | 71.6% | 56.5% | 74.5% |
출처: xAI 발표문의 벤치마크 표(Artificial Analysis 2026-10-13 기준).
그럼 GPT-Live보다 무조건 나은가요?
표만 보면 대부분 앞서지만, 고객 지원 통화를 흉내 낸 τ-Voice에서는 GPT-Live-1이 더 높아요. xAI도 이 항목은 GPT-Live와 비슷한(comparable) 수준이라고 쓰고, 대신 지연이 40% 낮다고 덧붙였어요. 그리고 이 표는 xAI가 고른 비교라서, 우리 업무에서 어느 쪽이 나은지는 실제 대본으로 직접 들어 보는 게 가장 정확해요.
한국어는 개발 문서의 지원 언어 표에 들어 있어요
발표문에는 "여러 언어"라고만 적혀 있고 언어 목록은 없어요. 대신 xAI 개발 문서의 Voice Agent 페이지에 지원 언어 표가 있고, 거기에 Korean(ko)이 들어 있어요. 영어, 일본어, 중국어 간체, 베트남어 등과 함께 20개 항목이 있어요.
문서에는 입력 언어를 별도 설정 없이 자동으로 알아듣는다고 적혀 있어요. 실제로 저희가 한국어 인사와 질문으로 전화를 걸었을 때도 언어를 따로 지정하지 않았어요.
GPT-Live와 달리 듣고 말하기를 번갈아 해요
Grok Voice 3.0은 OpenAI Realtime API와 같은 방식으로 주고받는 모델이에요. 상대가 말을 마쳤다고 판단하면 그때 대답하는 턴 방식이죠. 듣는 동시에 말하고 스스로 멈출 때를 정하는 GPT-Live 같은 전이중 모델과는 구조가 달라요.
왜 이게 전화에서 중요할까요?
상대 말이 끝났는지, 끼어들었는지를 누가 판단하느냐가 달라지거든요. Grok Voice는 이 판단을 xAI 서버가 해요. 클로옵스에서 쓰는 LiveKit 연동도 이 판단을 우리 쪽 음성 감지로 옮기지 못하게 막아 두었어요.
그래서 클로옵스 콘솔에서 Grok Voice를 고르면 "ClawOps에서 발화 감지" 같은 대화 흐름 설정이 사라져요. 화면에 보이는데 실제로는 적용되지 않는 설정을 남기지 않으려고 숨겼어요. 같은 이유로 외부 TTS 목소리와도 섞어 쓸 수 없어요. 연동이 모델 내장 음성만 쓰도록 고정돼 있어요.
요금은 토큰이 아니라 연결된 시간으로 계산돼요
요금 구조가 OpenAI 모델과 가장 크게 달라요. xAI 요금표에는 Grok Voice 3.0이 분당 0.08달러로 적혀 있고, 2.0과 같은 가격이에요. 여기에 텍스트 입력이 한 건에 0.004달러씩 붙어요.
Sessions using the default server_vad turn detection are billed for session duration.
말을 주고받은 양이 아니라 모델과 연결돼 있던 시간이 기준이에요. 텍스트 입력은 앱이 모델에 넣는 대화 항목 한 건이고, 도구 실행 결과와 음성 입력은 여기서 빠져요.
클로옵스 콘솔에서는 이 두 단위를 그대로 보여 줘요. 가격 카드에 음성 대화 약 ₩154/분과 텍스트 입력 약 ₩8/건이 따로 표시되고, 통화료는 별도예요. 클로옵스가 텍스트 입력을 넣는 때는 무응답 확인이나 키패드 입력을 모델에 전할 때예요. 첫 인사는 응답 요청으로 보내기 때문에 건수에 들어가지 않아요.
그럼 말이 없는 시간에도 요금이 나가나요?
네, 연결돼 있는 동안은 계속 계산돼요. 그래서 상대가 아무 말 없이 기다리는 통화는 일찍 정리하는 게 좋아요. 에이전트의 "무응답 처리"를 켜 두면 몇 초간 말이 없을 때 한 번 되묻고, 그래도 답이 없으면 통화를 끝내요.
발신 통화도 하나 알아 둘 게 있어요. 클로옵스는 상대가 받자마자 인사할 수 있도록 벨이 울리는 동안 모델을 미리 연결해 둬요. 그래서 Grok Voice로 발신하면 벨이 울린 시간 일부도 연결 시간에 들어가요. 저희가 070 번호로 건 발신 통화에서는 벨 6.32초 중 약 4.3초가 포함됐어요.
직접 전화를 걸어 확인한 결과예요
Grok Voice 3.0을 에이전트 모델로 열기 전에 세 가지를 확인했어요. 콘솔에서 고를 수 있는 26개 목소리가 모두 한국어로 말하는지, 실제 070 번호로 건 전화에서 대화가 자연스러운지, 그리고 요금 단위가 xAI 청구 기준과 맞게 기록되는지예요.
26개 목소리가 모두 한국어로 인사했어요
클로옵스의 통화 처리 서버에 실제 xAI 모델을 붙이고, 같은 시스템 프롬프트로 목소리만 바꿔 시험 통화를 26번 연결했어요. 에이전트가 낸 소리는 받아 적어 확인했어요. 26개 모두 거절 없이 "안녕하세요, 클로옵스 치과입니다. 무엇을 도와드릴까요?"를 끝까지 말했고, 연결 후 첫 소리까지는 1.35~2.14초가 걸렸어요.
목소리가 정말 바뀌는지도 따로 봤어요. xAI는 설정 응답에 고른 목소리를 돌려주지 않아서, 소리의 높낮이(기본 주파수)를 쟀어요. 목소리마다 117.6Hz에서 266.7Hz까지 다르게 나왔어요. Ara, Carina, Eve, Iris, Luna, Ursa처럼 높은 쪽과 Helios, Rex, Zenith처럼 낮은 쪽이 뚜렷하게 갈렸어요.
070 번호로 건 전화는 이렇게 흘러갔어요
070 번호 두 개를 새로 받아, 한쪽에는 Grok Voice 3.0 에이전트를, 다른 쪽에는 질문 대본을 읽는 콜 플로우를 연결해 실제 통화를 걸었어요. 고객 역할은 ElevenLabs의 한국어 남성 목소리가 맡았어요. 아래는 그 통화의 녹음 그대로예요. 가운데 빛이 흰색일 때가 Grok Voice 3.0(Eve 목소리)이고, 회색일 때가 고객이에요.
070 번호로 건 실제 통화 녹음(40초)이에요. 전화망을 거친 8kHz 음질 그대로예요. 통화 기록에 남은 전사를 옮기면 이래요.
| 시각 | 화자 | 대사 |
|---|---|---|
| 0:00 | AI | 안녕하세요. ClawOps 치과입니다. 무엇을 도와드릴까요? |
| 0:05 | 고객 | 아, 네, 안녕하세요. 혹시 진료 시간이 어떻게 되나요? |
| 0:10 | AI | 평일 오전 9시부터 오후 6시까지 진료하고 토요일과 일요일은 휴진입니다. |
| 0:18 | 고객 | 아, 그래요? 그럼 토요일에는 진료 안 하세요? |
| 0:23 | AI | 네, 토요일은 휴진입니다. 혹시 평일에 예약 도와드릴까요? |
| 0:31 | 고객 | 아, 네, 알겠습니다. 그럼 평일에 다시 연락드릴게요. 감사합니다. |
| 0:36 | AI | 네, 평일에 연락 주세요. 감사합니다. |
마지막 인사 뒤에는 에이전트가 통화 종료 도구를 직접 불러 전화를 끊었어요. 앞의 시험 통화에서는 담당자 연결이 필요한 대본으로 전환 도구도 확인했고, 정상으로 불렀어요.
연결 시간은 저희가 직접 재기로 했어요
요금이 연결 시간으로 정해지니, 그 시간을 정확히 기록하는 게 중요했어요. 그런데 저희가 쓰는 LiveKit 연동은 연결 시간을 세션을 닫을 때 한 번만, 그것도 마지막 연결 구간만 보고하고 있었어요. 통화 중에 연결이 한 번 다시 맺어지면 앞 구간이 빠지는 구조예요.
그래서 클로옵스가 연결이 열리고 닫히는 순간을 직접 재서 사용 기록에 남기도록 바꿨어요. 시험 통화 여섯 건에서 기록된 시간과 xAI 연결 시간을 비교했더니 0.01초 안으로 일치했어요.
클로옵스에서 지금 바로 쓸 수 있어요
콘솔에서는 에이전트의 "모델 · 음성" 탭에서 대화 모델을 "Grok Voice 3.0"으로 고르면 돼요. "실시간" 묶음에 있어요. 그다음 아래 "음성 출력"에서 26개 목소리를 미리 들어 보고 고르면 돼요.
고급 설정에는 두 가지가 있어요. 말 속도는 0.7부터 1.5까지 정할 수 있고, 추론을 끄면 생각하는 단계 없이 바로 답해서 응답이 빨라져요. 둘 다 요금에는 영향이 없어요.
API로 에이전트를 만들 때는 configuration의 outputMode를 grok으로 보내요.
{
"name": "치과 예약 상담",
"configuration": {
"outputMode": "grok",
"llm": {
"provider": "xai-realtime",
"model": "grok-voice-3.0",
"voice": "eve",
"speed": 1.1,
"reasoning_effort": "none"
}
}
}
테스트는 "음성" 탭으로 해 주세요. Grok Voice는 음성으로만 대화해서 "채팅" 테스트는 막혀 있어요.
자주 묻는 질문
Grok Voice 3.0은 한국어를 지원하나요?
xAI 개발 문서의 Voice Agent 지원 언어 표에 Korean(ko)이 있어요. 발표문 자체에는 언어 목록이 없어요. 저희가 한국어로 건 통화에서는 별도 언어 설정 없이 한국어로 대화했어요.
Grok Voice 3.0 API 요금은 얼마인가요?
xAI 요금표 기준으로 분당 0.08달러(시간당 4.80달러)이고, 텍스트 입력이 한 건에 0.004달러예요. 기본 서버 발화 감지를 쓰면 말이 없는 시간을 포함해 연결된 시간 전체가 계산돼요.
grok-voice-latest와 grok-voice-3.0은 무엇이 다른가요?
지금은 같은 모델이에요. xAI 문서에서 grok-voice-latest는 grok-voice-3.0을 가리키는 별칭이에요. 클로옵스는 별칭 대신 grok-voice-3.0으로 고정해요. 별칭이 다음 모델로 바뀌면 같은 설정인데도 모델과 요금이 달라질 수 있어서예요.
Grok Voice 2.0을 쓰던 코드는 바꿔야 하나요?
xAI 문서는 2.0을 지원 종료(deprecated)로 표시하고, grok-voice-2.0을 직접 지정했다면 grok-voice-3.0으로 바꾸라고 안내해요. grok-voice-latest를 쓰던 경우는 따로 바꿀 것이 없다고 해요.
GPT-Live와 Grok Voice 3.0 중 무엇을 골라야 하나요?
GPT-Live는 듣는 중에도 말하는 전이중 모델이고, 조회나 도구 실행은 업무 처리 모델에 맡겨요. Grok Voice는 번갈아 말하는 턴 방식이고, 연결 시간으로 요금이 계산돼요. 맞장구가 많은 상담에는 GPT-Live를, 질문과 답이 또렷하게 오가는 안내에는 Grok Voice를 먼저 들어 보길 권해요. 같은 대본으로 두 에이전트를 만들어 직접 전화를 걸어 보는 게 가장 확실해요.
마치며
Grok Voice 3.0은 한국어를 지원 언어로 문서에 올렸고, 연결 시간으로 요금을 매기는 단순한 구조를 택했어요. 클로옵스에서는 모델 하나만 바꾸면 기존 070 번호, 통화 전환, 무응답 처리를 그대로 쓸 수 있어요.
GPT-Live 1.1 소식이 궁금하다면 GPT-Live 1.1에 한국어 목소리가 생겼어요도 함께 읽어 보세요.
070 번호를 받고 Grok Voice 3.0 상담원을 바로 연결해 보세요. → platform.claw-ops.com