베일 벗은 ChatGPT 고급 음성 모드: 방언 흉내부터 외국어 발음 교정까지

기내 방송 인터뷰 장치처럼 잡음이 섞인 목소리로 기장 흉내를 내고, 튀르키예어로 농담을 던진 뒤 혼자 웃음을 터뜨립니다. OpenAI가 지난 봄 발표했던 ChatGPT의 ‘고급 음성 모드’(Advanced Voice Mode)를 마침내 실제 사용자들에게 열어주기 시작했습니다.

하지만 당장 모두가 쓸 수 있는 것은 아닙니다. 이번 배포는 유료 구독 서비스인 ChatGPT Plus 사용자 중 극소수를 대상으로 이메일 초대를 통해 진행된 ‘알파’ 테스트 형태입니다.

억양 흉내와 발음 교정, 블루스 스타일 노래까지

온라인에 속속 올라오는 테스트 영상을 보면, 가장 두드러지는 변화는 반응 속도와 상황 적응력입니다.

소셜미디어 X 이용자 @nickfloats가 기내 방송 안내를 하는 비행기 기장처럼 이야기해달라고 요청하자, ChatGPT는 1초도 안 돼 인터콤 특유의 먹먹한 음향 효과를 입힌 목소리로 이야기를 시작했습니다. 엔진 소리를 배경음으로 겹쳐 달라는 복잡한 요청에는 버거워하는 모습을 보였지만, 말을 끊고 끼어들어도 자연스럽게 반응했습니다.

언어 구사 능력도 한층 정교해졌습니다. 프랑스어 단어 발음을 듣고 억양을 어떻게 조정해야 하는지 짚어주는가 하면, 튀르키예어로 감정 섞인 이야기를 전개하면서 중간에 웃거나 흐느끼는 연기까지 선보였습니다. 튀르키예 현지 이용자들은 억양이 완벽히 원어민 같지는 않다고 평가하면서도 적절한 감정 묘사에는 놀라움을 나타냈습니다.

이 밖에도 뉴욕, 보스턴, 위스콘신, 캘리포니아 특유의 ‘밸리 걸’ 억양을 자유롭게 구사했습니다. 노래 실력도 확인됐는데, 생일 축하 노래를 블루스 풍으로 부르는가 하면 개구리나 고양이 울음소리를 흉내 내며 노래를 부르기도 했습니다.

공개된 영상에는 다양한 남녀 음성이 확인됐지만, 지난 5월 배우 스칼렛 요한슨 모사 논란으로 내려간 ‘Sky’ 음성은 제외됐습니다. 초기 시연에서 큰 기대를 모았던 실시간 비디오 및 화면 공유 기능 역시 이번 배포에서는 빠졌으며 추후 출시될 예정입니다.

OpenAI 대변인 타야 크리스찬슨(Taya Christianson)은 올가을 중 월 20달러를 내는 모든 ChatGPT Plus 구독자에게 고급 음성 모드를 순차 제공할 계획이라고 밝혔습니다.

왜 중요한가

사용자 입장에서는 AI와의 소통 방식이 글자를 치고 기다리는 단계에서 실시간 전화 통화로 진화했습니다. 뉘앙스를 바로잡아 주는 외국어 회화 튜터나 말귀를 알아듣는 브레인스토밍 파트너로서의 가치는 상당합니다. 다만 지금은 극소수만 쓸 수 있는 알파 단계인 데다 화면 공유 기능도 빠져 있어, 이 기능 하나만 보고 지금 당장 Plus 구독을 결제할 필요는 없어 보입니다.

업계 전반으로 보면 음성 비서의 기준점이 완전히 달라졌습니다. 텍스트를 기계적으로 읽어주던 기존 비서들은 이제 한계가 명확해졌고, 애플과 구글 역시 음성 모델의 반응 속도와 감정 표현을 끌어올려야 한다는 큰 압박을 받게 됐습니다.

우리는 OpenAI가 이번에 기능을 쪼개어 단계적으로 푼 선택이 영리했다고 봅니다. 실시간 음성 생성은 컴퓨팅 자원을 엄청나게 소모할 뿐 아니라 음성 무단 복제와 같은 위험이 늘 따릅니다. 논란이 된 음성을 배제하고 영상 기능을 미룬 채 소규모 알파 테스트로 반응과 안전성을 먼저 점검하는 것은 실용적인 접근으로 보입니다.