OpenAI, 개발자용 실시간 음성 AI 모델 'GPT-Live-1' 출시

OpenAI가 개발자를 위한 차세대 음성 모델 'GPT-Live-1'을 API를 통해 공식 출시했습니다. 이 모델은 사용자가 말하는 동시에 듣고 응답할 수 있도록 설계되어, 실시간 음성 애플리케이션 및 비즈니스 워크플로우 구축에 중점을 두고 있습니다.

주요 기술적 특징

GPT-Live-1은 음성 입력과 출력을 단일 모델로 처리하여 기존의 '음성-텍스트 변환(STT) → 언어 모델 처리 → 텍스트-음성 변환(TTS)' 구조에서 발생하는 지연 시간을 크게 단축했습니다. 이를 통해 보다 자연스러운 실시간 대화가 가능해졌습니다.

또한, 이 모델은 추론 및 도구 사용과 같은 복잡한 작업은 GPT-6 아스트라(Astra)와 같은 백엔드 텍스트 모델이나 서드파티 모델에 위임할 수 있는 유연한 구조를 갖추고 있습니다. 개발자는 시스템 프롬프트를 통해 에이전트의 어조, 속도, 대화 스타일을 맞춤 설정할 수 있으며, 배경 소음이나 침묵을 효과적으로 관리하는 기능도 포함되었습니다.

기업 도입 효과 및 성능

초기 평가에서 GPT-Live-1은 상당한 성능 개선을 입증했습니다. 언어 학습 플랫폼 '스픽(Speak)'은 기존의 턴제 시스템과 비교했을 때 GPT-Live-1 도입으로 사용자의 말을 중간에 끊는 경우가 약 80% 감소했다고 밝혔습니다.

Ad

한 헬스케어 기업의 공동 창업자 겸 최고기술책임자(CTO)인 토니 스토야노프(Tony Stoyanov)는 GPT-Live-1을 통해 기존 시스템 대비 코드 베이스를 80% 단순화하고 23,000줄의 코드를 제거하는 효과를 거두었다고 언급했습니다. 성능 평가 지표에서도 GPT-Live-1은 'Full Duplex Bench'에서 이전 모델(GPT-Realtime-2.1)보다 30%p 높은 성능을 기록했으며, 음성 에이전트 지능을 측정하는 'Tau3' 벤치마크에서는 1위를 차지했습니다.

가격 정책 및 향후 계획

GPT-Live-1은 프론트엔드 음성 처리 계층에 대해 분당 0.05달러의 가격으로 API를 통해 제공됩니다. 개발자는 필요에 따라 선택한 백엔드 모델 및 에이전트 프레임워크와 결합하여 사용할 수 있습니다.

OpenAI는 이번 출시에 맞춰 다양한 억양, 방언, 언어를 지원하는 새로운 음성을 추가했으며, 앞으로도 음성 옵션과 지원 언어를 지속적으로 확대해 나갈 계획이라고 밝혔습니다.