오픈AI, 음성 모델 'GPT-Live' 출시: 듣고 말하기를 동시에 지원

기존 AI 음성 모드를 써본 사람이라면 누구나 겪었을 불편이 있습니다. 말을 하다가 생각을 정리하려고 반 초만 쉬어도 AI가 말을 끊고 끼어들던 현상입니다.

OpenAI가 7월 8일 이러한 한계를 개선한 차세대 음성 모델 GPT-Live를 선보였습니다. iOS와 안드로이드, 웹 버전의 ChatGPT 음성 기능에 일제히 적용되었으며, 유료 이용자에게는 GPT-Live-1이, 무료 이용자에게는 GPT-Live-1 mini가 기본 제공됩니다. 개발자용 API도 곧 출시될 예정입니다.

무전기 방식 끝내고 '동시 대화'로 전환

이번 개편의 핵심은 전이중 통신 구조입니다. 사용자의 말을 들으면서 동시에 자신의 음성을 생성할 수 있어, 1초에도 여러 번 말을 이어갈지 멈출지 판단합니다.

덕분에 실제 사람처럼 상대방의 말 중간에 "음", "알겠어요" 같은 추임새를 자연스럽게 넣습니다. 지금은 끼어들지 말고 듣고만 있으라고 요청하면, 말을 하지 않고 대화 맥락을 조용히 파악하는 기능도 들어갔습니다.

기존 9종의 기본 음성은 리마스터링을 거쳤으며 날씨, 주식, 스포츠 점수 등을 화면에 시각 카드로 띄워주는 기능도 갖췄습니다. 프로덕트 리드인 아티 엘레티는 산책하면서 이 기능과 30분에서 40분 동안 쉬지 않고 대화를 나눴다고 밝혔습니다.

다만 한계도 엿보였습니다. 현장 시연에서 선보인 힌디어 실시간 통역의 경우 짙은 미국식 억양이 묻어났고, 문맥 역시 다소 딱딱하고 어색하다는 반응이 나왔습니다.

앞단은 실시간 응답, 뒷단은 GPT-5.5 두뇌 가동

그동안 음성 AI는 빠른 응답 속도를 택하면 두뇌가 나빠지고, 똑똑한 모델을 쓰면 어색한 침묵이 길어지는 딜레마가 있었습니다.

OpenAI는 대화와 연산을 분리하는 영리한 방식을 택했습니다. 앞단의 GPT-Live가 매끄러운 말상대를 맡고, 웹 검색이나 심층 추론이 필요한 복잡한 질문은 뒷단의 GPT-5.5로 넘겨 처리한 뒤 대화 중간에 자연스럽게 녹여내는 구조입니다.

응답 모드도 즉각적인 대화를 위한 Instant부터 깊은 생각을 유도하는 Medium, High까지 직접 고를 수 있습니다. 과학 추론 벤치마크인 GPQA와 복합 검색 평가인 BrowseComp에서도 이전 음성 모드를 크게 앞질렀습니다.

실시간 안전장치도 대폭 강화되었습니다. SynthID 오디오 워터마크 기술이 들어갔고, 위험 대화 시 상담 기관을 안내하거나 대화를 강제 종료하는 기능이 포함되었습니다. 최근 ChatGPT가 사용자의 정서적 의존이나 정신 건강에 부정적 영향을 미쳤다며 제기된 소송들을 의식한 조치로 보입니다.

왜 중요한가

저희는 하나의 모델에 가벼운 대화와 무거운 연산을 동시에 떠넘기던 방식을 버린 점이 매우 현명한 선택이었다고 봅니다. 앞단 모델이 자연스러운 추임새로 시간을 벌어주는 사이 뒷단에서 최고 사양 모델을 돌리는 구조는, 지연 시간과 지능을 둘 다 잡은 현실적인 해법입니다.

매주 1억 5천만 명에 달하는 기존 ChatGPT 음성 사용자 입장에서는 체감 품질이 크게 달라졌습니다. 이동 중 업무 브레인스토밍이나 어학 학습 시 기계의 눈치를 보며 억지로 말을 이어갈 필요가 없어졌으므로, 지금 당장 써볼 가치가 충분합니다.

업계 차원에서도 애플이나 아마존, 그리고 세서미나 모노그램 같은 신흥 스타트업과의 음성 비서 경쟁에서 한발 앞서 나가게 되었습니다. 일각에서 보도되는 OpenAI의 AI 이어폰 하드웨어 출시설을 고려하면, GPT-Live는 귀에 꽂는 컴퓨팅 인터페이스를 위한 핵심 기반으로 보입니다. 영어 이외의 언어에서 드러난 어색한 억양만 다듬어진다면, 음성이 컴퓨터를 다루는 주요 수단으로 자리 잡는 시점이 훨씬 당겨질 것입니다.