오픈AI, 챗GPT 고급·표준 음성 모드 12월 11일 종료…'GPT-라이브'로 통합

챗GPT의 음성 대화 기능을 일상적으로 써왔다면 다음 달 설정 화면에서 익숙한 선택지 몇 개가 사라질 예정이다.

오픈AI는 12월 11일부로 챗GPT 음성(Voice) 기능에서 기존의 '고급 음성(Advanced voice)'과 '표준 음성(Standard voice)' 모드를 공식 종료하고, 지난 7월 출시한 'GPT-라이브(GPT-Live)'로 단일화한다고 발표했다.

사용자 안내는 11월 10일부터 시작됐다. 기존에 나눈 대화 기록은 그대로 유지되지만, 12월 11일 이후에는 과거 대화창에서 음성 대화를 이어가더라도 새로운 GPT-라이브 모델이 기본으로 작동한다. 다만 실시간 비디오 및 화면 공유 기능의 경우 GPT-라이브가 해당 역량을 갖출 때까지 당분간 고급 음성 모델이 백엔드를 계속 지원한다.

차례를 기다리던 대화에서 '들으면서 말하는' 시대로

오픈AI가 두 가지 구형 모드를 과감히 정리하는 이유는 기반 구조 자체가 완전히 달라졌기 때문이다.

초기 '표준 음성'은 3단계 파이프라인으로 굴러갔다. 이용자의 음성을 텍스트로 받아쓰고, 대규모 언어 모델이 답변을 작성한 뒤, 다시 다른 모델이 이를 음성으로 합성해 읽어주는 방식이었다. 오픈AI는 이 구조 탓에 응답 지연이 길어졌을 뿐 아니라, 음성과 텍스트 사이를 오가며 감정이나 뉘앙스 같은 주요 정보가 손실됐다고 설명했다.

이후 도입된 '고급 음성'은 오디오를 직접 처리해 지연을 줄였지만, 여전히 상대방의 말이 완전히 끝나기를 기다렸다가 말하는 엄격한 턴테이크(turn-based) 방식에 머물렀다.

반면 GPT-라이브는 전이중(full-duplex) 통신 모델로 작동한다. 사람처럼 말을 들으면서 동시에 말할 수 있어, 상대가 이야기하는 중간에 "음", "그렇군요" 같은 자연스러운 맞장구를 치거나 생각을 정리하느라 말을 멈췄을 때는 끼어들지 않고 기다린다. 복잡한 추론이나 백그라운드 작업은 텍스트 전용 모델에 위임하면서 음성 대화의 흐름은 끊기지 않게 유지하는 능력도 갖췄다. 오픈AI에 따르면 7월 GPT-라이브 도입 이후 전체 음성 사용량은 두 배 가까이 늘었으며, 대다수 이용자가 이미 새 모델로 전환을 마쳤다.

기술 진보 뒤에 남겨진 이용자의 상실감

기술적으로는 분명한 도약이지만, 사용자의 감정이 얽힌 영역에서는 반발도 만만치 않다.

오픈AI 공식 커뮤니티에는 초기 표준 음성의 대표 음색이었던 '브리즈(Breeze)'를 없애지 말아 달라는 이용자들의 호소가 이어지고 있다. 한 사용자는 브리즈의 목소리가 일상에서 큰 정서적 위안을 주었다며, 새로 도입된 라이브 음성은 반응 속도는 빠를지 몰라도 지나치게 인위적이고 이전 모델 특유의 따뜻함과 미묘한 호흡이 사라졌다고 토로했다.

오픈AI 역시 이전 모델의 응답 스타일에 익숙해진 사용자들이 적응에 어려움을 겪을 수 있음을 인정했다. 하지만 12월 11일 종료 일정은 확정적이다. 대신 구형 모델 운영에서 얻은 교훈을 바탕으로 답변의 깊이, 대화 연속성, 개인화 성능을 GPT-라이브에 적극 반영해 개선하겠다는 입장이다.

왜 중요한가

인프라 효율성과 제품 완성도 측면에서 이번 모델 통합은 오픈AI다운 영리하고 불가피한 결정이다.

별개의 3단 구조를 거치는 표준 음성과 과도기적 고급 음성을 계속 유지하는 것은 막대한 컴퓨팅 자원과 엔지니어링 리소스 낭비다. 전이중 실시간 상호작용이 가능한 GPT-라이브에 개발 역량을 집중함으로써 오픈AI는 경쟁사들이 쉽게 따라오기 힘든 음성 인터페이스 장벽을 더 높게 쌓을 수 있게 됐다.

그러나 이번 조치는 생성형 AI가 단순한 도구를 넘어 정서적 동반자로 자리 잡았을 때 발생하는 특유의 딜레마를 보여준다. 아무리 속도가 빠르고 기능이 뛰어난 모델로 교체하더라도, 이용자가 신뢰를 쌓아온 '목소리'를 일방적으로 제거하는 것은 소프트웨어 업데이트 이상의 정서적 상실감을 남긴다.

업계 전체로 보면 'STT + LLM + TTS'로 이어붙이던 기존 음성 비서 아키텍처는 이제 완전히 수명을 다했다. 사람의 말문과 호흡을 실시간으로 감지하고 끼어드는 전이중 모델이 AI 음성 인터페이스의 새로운 글로벌 표준으로 굳어지고 있다.