grok의 Voice Think Fast 1.0은 음성 수신과 오디오 생성을 동시에 처리하는 풀듀플렉스 음성 AI 모델이다. 2026년 4월 출시 직후 τ-voice Bench 리더보드 1위를 달성했다.

Grok Voice Think Fast 1.0이란

기존 음성 AI 시스템은 STT → LLM → TTS의 3단계 파이프라인으로 동작해 각 단계에서 지연이 누적됐다. Grok Voice Think Fast 1.0은 음성 수신과 오디오 출력을 동시에 처리하며 백그라운드 추론을 수행한다.

주요 특징

• 즉각적인 추론: 응답 시간을 늦추지 않고 백그라운드 사고 처리
• 탁월한 소음 내성: 실제 전화 데이터로 학습 — 배경 소음, 억양 변화, 대화 중단에 강함
• 구조화 데이터 캡처: 통화 중 이메일·전화번호 등을 정확히 추출·포맷
• 고볼륨 도구 호출: 성능 저하 없이 여러 도구 병렬 호출
• 다국어 지원: 25개 이상 언어, 동일 통화 내 언어 자동 전환
• 완전 자체 개발: VAD, 토크나이저, 오디오 모델 모두 xAI 자체 구현

가격

10분 지원 통화 기준 약 $0.50. OpenAI Realtime API(~$0.10/분)의 절반 수준이다.

코드 없이 음성 에이전트 만들기

console.x.ai/playground/voice/agent에서 API 키 없이 즉시 테스트 가능하다.

에이전트 구성 방법

1. + Create Custom 클릭
2. 텍스트 박스에 에이전트 설명 입력 (이것이 시스템 프롬프트가 된다)
3. Start 클릭
4. 마이크로 에이전트와 대화
5. 설명 수정 후 재테스트 (이터레이션 ~30초)

음성: Ara, Eve, Leo, Rex, Sal 중 선택 가능. 웹 검색 등 도구도 UI에서 활성화할 수 있다.

예시 1: 세일즈봇

You are a friendly sales advisor for the [제품명].

Your goal: qualify prospects and guide them toward enrollment.

Course details:
- [핵심 특징]
- [가치 제안]

Conversation flow:
1. Greet warmly. Ask what they do and their experience level.
2. Listen for pain points — career growth, skill gaps.
3. Match their needs to specific benefits.
4. Handle objections with empathy. Never be pushy.
5. Ask for name and email to send details.

Tone: Helpful friend. Not a telemarketer.

테스트할 페르소나:

• 초심자: “AI에 대해 아무것도 모르는데 도움이 될까요?”
• 회의론자: “실습이 없는 강의만 있는 것 아닌가요?”
• 예산 고민: “투자할 여유가 있는지 모르겠어요.”

예시 2: 커리어 상담 에이전트

기술직 종사자나 학생을 위한 커리어 어드바이저. 청취자의 현재 상황, 목표, 불안 요소를 파악하고 맞춤형 조언을 제공하도록 프롬프트를 설계한다.

API 통합

OpenAI Realtime API 스펙과 호환:

# 기존 OpenAI Realtime 코드에서 엔드포인트만 변경
# api_base = "https://api.openai.com" → "https://api.x.ai"

전체 재작성 없이 마이그레이션 가능하다.

일반적인 실수

• 시스템 프롬프트가 너무 길면 오히려 에이전트가 경직됨 — 간결하게 유지
• 도구 호출이 많을수록 응답 품질 확인 필요
• 소음이 많은 환경에서 테스트해 내성을 검증할 것

참고 자료

• Grok Voice Think Fast 1.0: Build Voice AI Agents That Actually Think — Analytics Vidhya (2026-05-01)
• xAI Grok Voice Think Fast 1.0 공식 발표 — xAI