이미지: 영상 갈무리
요약
- 오픈AI가 GPT-Live-1을 API로 공개했어요. 듣기와 말하기를 한 모델 안에서 처리해, 말을 글자로 바꾸고 다시 말로 되돌리던 세 조각 구조에서 앞단 하나를 대체해요.
- 대화가 오가는 상황을 재는 Full Duplex Bench에서 직전 모델보다 30퍼센트포인트 올랐고, GPT-6 Astra를 뒤에 붙였을 때 Tau3에서 1위에 올랐다고 회사는 밝혔어요.
- 언어 학습 앱 Speak은 초기 평가에서 끼어드는 횟수가 이전 시스템보다 80퍼센트 가까이 줄었다고 전했어요. 앞단 음성은 분당 5센트이고 뒤쪽 추론과 도구 비용은 따로 붙어요.
- 모델
- GPT-Live-1 · 풀듀플렉스(듣기와 말하기 동시) · 챗GPT에서 먼저 쓰이다 API 공개 · 받아쓴 문장과 응답 텍스트 동시 제공 · 낱말 강조와 순서 감지 지원
- 평가
- Full Duplex Bench에서 GPT-Realtime-2.1 대비 30퍼센트포인트 상승 · GPT-6 Astra(중간 강도 추론) 조합으로 Tau3 1위 · 은행 상담 97개 과제 포함
- 실사용
- 언어 학습 앱 Speak 초기 평가에서 끼어들기 약 80퍼센트 감소 · 학습자에게 생각할 시간을 더 줬다고 회사가 설명
- 구조
- 앞단은 대화, 뒤쪽 모델과 도구는 추론과 실행 · 양 많은 일은 Luna, 복잡한 문제는 Astra 같은 조합을 회사가 예시
- 요금·범위
- 앞단 음성 분당 5센트, 뒤쪽 추론과 도구는 별도 · 맞춤 목소리는 영업 담당을 통한 자격 확인 필요 · 음성과 언어는 앞으로 몇 달간 추가 예정
오픈AI가 음성 모델 GPT-Live-1을 API로 열었어요. 챗GPT 안에서만 쓰던 모델을 바깥 개발자에게 내준 건데, 핵심은 이 모델이 듣기와 말하기를 동시에 한다는 점이에요. 회사는 발표문에서 "GPT-Live-1은 듣기와 말하기를 한 모델 안에서 처리해 음성 계층을 단순하게 만듭니다"라고 적었어요. 앞단에서 대화를 받고, 판단이 무거운 일은 뒤에 붙인 다른 모델에 넘기는 분업이에요.
지금까지 음성 에이전트는 세 조각을 이어 붙여 만들었어요. 말을 글자로 바꾸는 모듈, 생각하는 모델, 글자를 다시 말로 바꾸는 모듈이에요. 회사는 이 방식이 넘길 때마다 지연이 쌓이고 타이밍과 맥락, 대화의 자연스러운 리듬을 잃을 여지가 늘어난다고 설명했어요. 통역을 세 사람이 이어달리기로 하는 셈이라, 배턴을 넘길 때마다 한 박자씩 늦어져요.
구조를 바꾼 결과는 평가 점수로 나왔어요. 대화가 오가는 상황을 재는 Full Duplex Bench에서 직전 모델인 GPT-Realtime-2.1보다 30퍼센트포인트 올랐고, 순서를 주고받는 지연과 상호작용에서 특히 크게 벌어졌다고 회사는 밝혔어요. GPT-6 Astra를 중간 강도 추론으로 뒤에 붙였을 때는 음성 에이전트의 지능을 끝에서 끝까지 재는 Tau3에서 1위에 올랐다고 적었어요.
평가에 쓴 항목도 함께 공개했어요. 항공과 소매, 통신 영역의 상담을 음성으로 시켜 과제 성공률을 쟀고, 은행 상담에서는 지식 검색과 계좌 도구를 함께 써야 하는 97개 과제를 통과했는지 셌어요. 여기에 멈춤과 순서 교대, 끼어들기, 맞장구를 어떻게 다루는지, 사용자가 말을 마친 뒤 얼마나 빨리 답을 시작하는지, 말을 더듬거나 스스로 고쳐 말하는 요청에서도 도구를 제대로 부르는지를 따로 나눠 쟀어요.
실제로 써 본 곳의 숫자도 하나 나왔어요. 언어 학습 앱 Speak은 초기 평가에서 GPT-Live-1이 학습자에게 생각할 시간을 더 주면서, 이전의 순서 교대식 시스템보다 끼어드는 횟수를 80퍼센트 가까이 줄였다고 회사는 전했어요. 말이 느린 사람을 기다려 주는 일이 음성 제품에서는 기능 하나만큼 무겁다는 뜻이에요.
메탈이 확인한 76초짜리 공개 데모 영상에서는 이 성질을 일부러 시험해요. 진행자가 모델이 말하는 도중에 끊고 들어가고, 주변 소음을 깔아 둔 채 들리느냐고 물어요. 모델은 "또렷하게 들려요. 주변에 소음이 있어도 목소리를 따라갈 수 있어요"라고 답하면서 하던 말을 이어 갔어요. 같은 영상에서 모델은 로봇과 화면에 동작을 넘기는 동안에도 대화를 멈추지 않는 장면을 보여 줘요.
음성 앞단을 한 모델로 합치면 개발자가 직접 짜던 코드도 줄어요. 예전에는 사용자가 끼어들었을 때, 잠깐 멈췄을 때, 말을 바꿨을 때 무엇을 할지 개발자가 단계마다 정해 줘야 했어요. 회사는 그 조율을 개발자가 떠맡아 왔다고 적으면서, 이제 앞단이 끼어들기와 맞장구를 그 자리에서 처리하고 깊은 판단만 뒤로 넘긴다고 설명했어요. 대화를 멈추지 않은 채 뒤에서 일이 진행되는 구조예요.
뒤에 무엇을 붙일지는 개발자가 고르게 했어요. 회사는 예약 변경이나 주문 안내처럼 양이 많은 일에는 Luna 같은 모델을, 추론이 필요한 복잡한 고객 문제에는 Astra를 붙이는 조합을 예로 들었어요. 같은 음성 앞단을 두고 뒤쪽만 갈아 끼우면 답의 깊이와 속도, 비용을 일마다 다르게 맞출 수 있다는 설계예요.
앞단이 넘겨 주는 것도 정리돼 있어요. GPT-Live-1은 받아쓴 문장과 응답 텍스트를 그대로 내주고, 숫자와 영문자가 섞인 말을 알아듣는 능력과 특정 낱말을 잘 잡아내게 하는 기능을 함께 제공해요. 순서 교대형 모델이 아닌데도 순서 경계를 감지하는 기능은 그대로 남겨서, 기존 방식으로 만들어 온 팀이 구조를 통째로 갈아엎지 않아도 되게 했어요.
값은 앞단에만 매겨져 있어요. 회사는 음성 앞단을 분당 5센트로 정했다고 밝혔고, 데모 영상에서는 "그건 앞단 값이에요. 뒤쪽 추론과 도구 비용은 별도예요"라는 설명이 곧바로 따라붙어요. 한 통화에 실제로 드는 돈은 뒤에 무엇을 붙였느냐로 갈린다는 뜻이라, 분당 요금만 보고 예산을 잡으면 어긋나요.
목소리 선택도 넓혔지만 아직 진행 중이에요. 회사는 실시간 음성이 소수였던 데서 억양과 방언, 언어를 아우르는 쪽으로 폭을 넓혔다고 적으면서도, 음성과 언어를 앞으로 몇 달에 걸쳐 계속 늘리겠다고 덧붙였어요. 맞춤 목소리는 지금은 영업 담당을 통해 자격을 확인받은 곳만 쓸 수 있어요.
이 위임 구조는 오픈AI가 최근 밀어붙인 방향과 이어져요. 메탈은 오픈AI가 회사 안 자료를 뒤져 답하는 데이터 에이전트를 챗GPT 워크에 넣은 일을 보도한 바 있는데, 그때도 앞에서 요청을 받고 실제 일은 뒤쪽 도구가 처리하는 모양이었어요. 음성이 그 구조의 마지막 입구로 들어온 셈이에요.
기업용 경로도 따로 뒀어요. 회사는 이 모델을 써서 실시간 음성 상호작용을 돌리는 OpenAI Presence를 함께 소개했어요. 질문에 답하고 문제를 해결하며 회사 시스템을 쓰고, 승인된 동작을 수행하다가 필요하면 사람에게 넘기는 방식이라고 적었어요. 음성 앞단을 파는 데서 멈추지 않고 업무 흐름까지 묶어 팔겠다는 뜻이에요.
정리하면 오픈AI는 개발자가 직접 이어 붙이던 세 조각 가운데 앞단 하나를 자기 모델로 대체했어요. 끼어들기와 소음을 앞단이 흡수하고 판단은 뒤로 넘기는 분업이 이 모델의 전부예요. 앞으로 볼 것은 두 가지예요. 뒤에 붙는 모델을 바꿔도 대화의 리듬이 유지되는지, 그리고 분당 요금 위에 얹히는 뒤쪽 비용을 기업들이 어떤 기준으로 계산하게 되는지예요.
댓글