
이미지: 영상 갈무리
요약
- 오픈AI는 11월 19일 GPT-Live-1.1을 API에 공개하고 다국어 발음·억양 일관성·받아쓰기 정확도를 개선했다고 밝혔다.
- 새 대기 모드는 WebRTC 세션에서 말이 없을 때 추론을 멈추고 음성이 들리면 재개하며, 대기 요율은 활성 요율의 40% 수준이다.
- idle_timeout_s는 5~60초로 정하고, GPT-Live-1.1과 GPT-Live-1은 동시 세션 한도를 따로 받는다.
- 발표
- 2026년 11월 19일(미국 시간) · 오픈AI 개발자 X 계정 · API 변경 로그
- 모델
- gpt-live-1.1 · 다국어 대화용 전이중 음성 모델 · 기존 Live 세션 설정에서 모델 이름만 교체
- 개선
- 발음 · 언어 간 억양·목소리 일관성 · 받아쓰기 정확도 · 작업 완수 안정성
- 입출력
- 음성·텍스트 입출력 · 이미지·영상 미지원 · 함수 호출·스트리밍 지원 · 구조화된 출력·미세조정 미지원
- 대기 모드
- GPT-Live-1·1.1 WebRTC 세션 · wake_policy.type=speech · idle_timeout_s 5~60초 · vad_threshold 0~1(기본 0.5) · session.resumed/paused
- 과금
- 이용 시간 과금 · 대기 요율은 활성 요율의 40% 수준 · 백엔드 모델·도구 별도
- 한도
- GPT-Live-1.1·GPT-Live-1 동시 세션 한도 별도 · 추론 지역 전체 적용
- 세션 수치
- 컨텍스트 12만 8,000토큰 · 90% 초과 시 엔진 교체(기록 최대 8,192토큰) · 지침 최대 1만 6,384토큰 · 녹음 30일 · 음성 21종
- 최근 확장
- 10/15 Decisions 연동 · 10/16 맞춤 음성·음성 9종 · 11/2 SIP 전화 발신 전체 개방
- 영상
- 43.7초 · 공개 8시간 조회 34만 회 이상
오픈AI가 11월 19일(미국 시간) 실시간 음성 모델 GPT-Live-1.1을 API에 공개했다. 오픈AI 개발자 공식 계정은 X에 올린 글에서 새 모델이 "여러 언어에서 더 자연스럽고 일관된 억양으로 말하고, 새 대기(standby) 옵션으로 유휴 비용을 낮추며, 작업을 한층 안정적으로 완수한다"고 밝혔다. 모델 이름은 gpt-live-1.1이고, 기존 Live 세션 설정에서 모델 이름만 바꿔 쓸 수 있다. 같은 날 API 변경 로그에는 다국어 음성 대화의 발음과 억양 일관성, 받아쓰기 정확도를 개선했다는 항목이 올라왔다.
GPT-Live는 말하는 도중에도 상대의 말을 듣는 전이중 음성 모델이다. 오픈AI 모델 문서는 "GPT-Live-1.1은 말하는 동안에도 들을 수 있다"며 GPT-Live-1과 비교해 음성을 더 정확하게 받아쓰고 언어가 바뀌어도 억양과 목소리를 더 일관되게 유지한다고 설명했다. 입력과 출력은 음성과 텍스트이고, 이미지와 영상은 지원하지 않는다. 함수 호출과 스트리밍은 되지만 구조화된 출력과 미세조정은 지원하지 않는다. GPT-Live-1.1과 GPT-Live-1은 동시 세션 한도를 따로 받고, 각 모델의 한도는 추론 지역 전체에 걸쳐 적용된다.
이번 발표에서 개발자가 바로 체감할 변화는 대기 모드다. 변경 로그에 따르면 대기 모드는 GPT-Live-1과 GPT-Live-1.1의 WebRTC 세션에서 쓸 수 있고, 아무도 말하지 않는 동안 추론을 멈췄다가 누군가 말하면 다시 시작한다. 세션 관리 가이드는 세션을 만들 때 wake_policy.type을 speech로 두면 음성이 들어온 뒤에야 추론을 시작한다고 적었다. idle_timeout_s에는 5초에서 60초 사이 정수를 넣고, 그 시간 동안 입력과 출력 받아쓰기가 없으면 세션이 대기 상태로 돌아간다. 이 값을 비우면 처음 깨어난 뒤 세션이 끝날 때까지 추론이 계속 켜져 있다.
대기 중에도 연결과 세션 ID는 그대로다. 음성 감지 문턱값 vad_threshold는 0에서 1 사이 숫자이고 기본값은 0.5다. 값이 높을수록 더 뚜렷한 음성이 있어야 추론이 깨어난다. 사용자가 다시 말하면 세션은 대화 기록을 복원하며 재개되고, 서버는 session.resumed와 session.paused 이벤트로 상태를 알린다. 가이드는 대기에서 깨어난 직후 짧은 발화에 대한 첫 응답이 더 늦을 수 있다고 덧붙였다.
비용 구조도 이 변화와 맞물린다. 음성 세션은 이용 시간으로 과금되고, 백엔드 모델과 도구 사용료는 따로 붙는다. 메탈이 확인한 GPT-Live-1.1 모델 문서의 분당 요율표에서 대기 상태 요율은 활성 상태의 40% 수준이고, 이 낮은 요율은 추론이 멈춘 WebRTC 세션에만 적용된다. 가이드는 "GPT-Live는 대기 시간을 활성 시간보다 낮은 요율로 청구한다"고 적었다. 대화 사이 공백이 더 긴 서비스라면 세션을 아예 닫고 사용자가 돌아올 때 새 세션을 여는 방식을 권했다.
GPT-Live의 구조는 대화와 판단을 나눈다. 위임 가이드에 따르면 GPT-Live는 말로 하는 대화를 맡고, 추론과 도구 사용은 백엔드에 넘긴다. 백엔드는 개발자가 고른 Responses 모델이 될 수도 있고, 클라이언트 위임 방식이라면 애플리케이션이 운영하는 다른 모델이나 에이전트가 될 수도 있다. GPT-Live-1.1 문서는 모델이 언제 백엔드에 작업을 넘길지를 평이한 말로 적어 두라고 안내한다. 가이드는 항공편 상태 문의는 항공사 서비스로, 일정 변경은 별도 계획 에이전트로 보내는 여행 비서를 예로 들었다.
세션 한계치도 문서에 숫자로 적혀 있다. 기본 컨텍스트 창은 12만 8,000토큰이고, 사용률이 90%를 넘으면 같은 세션 안에서 새 음성 엔진이 기존 엔진을 넘겨받는다. 새 엔진은 원래 지침과 최대 8,192토큰의 대화 기록을 받는다. 시작 지침은 최대 1만 6,384토큰까지 넣을 수 있고, 저장한 녹음은 30일 동안 쓸 수 있다. 가이드의 음성 표에는 영어·포르투갈어·독일어·프랑스어·힌디어·일본어·한국어 목소리 21종이 올라 있다.
GPT-Live 제품군은 최근 몇 주 사이 빠르게 확장됐다. 오픈AI는 10월 15일 GPT-Live에 Decisions 연동을 붙였고, 10월 16일에는 텍스트 설명으로 맞춤 음성을 만드는 기능과 새 음성 9종을 추가했다. 11월 2일에는 모든 조직이 Live API로 SIP 전화 발신을 할 수 있게 됐다. 메탈은 GPT-Live에 음성 프리셋 9종이 추가된 소식과 끊김 없는 음성 AI를 위한 GPT-Live 설계를 보도한 바 있다. 함께 공개된 43.7초 영상은 크루아상과 다람쥐처럼 까다로운 영어 단어를 미국 영어·프랑스어·독일어 목소리가 차례로 발음하고, 한국어 목소리가 떡볶이를 주문하는 장면으로 다국어 억양 개선을 보여 준다. 이 X 글은 공개 8시간 만에 조회 34만 회를 넘겼다.
AI 엔지니어의 눈으로 보면 이번 업데이트의 무게는 억양보다 대기 모드에 있다. 음성 비서는 사람이 말하지 않는 시간이 말하는 시간보다 길다. 차량 비서나 키오스크, 콜센터 대기열처럼 연결을 열어 둬야 하는 서비스는 지금까지 그 침묵에도 활성 요율을 냈다. 대기 모드는 연결과 세션 ID를 유지한 채 그 침묵의 단가를 낮추고, 대신 깨어날 때의 첫 응답 지연을 감수하게 한다. 개발자는 idle_timeout_s 한 줄로 비용과 응답성 사이의 지점을 고르게 됐다. 동시 세션 한도를 두 모델에 따로 준 것도 기존 서비스를 멈추지 않고 새 모델을 나란히 시험하라는 신호로 읽힌다.





댓글