OpenAI, 말하면서 듣는 음성 모델을 분당 5센트에 개발자에게 개방

OpenAI가 GPT-Live-1을 API로 공개했다. 차례를 기다리지 않고 듣는 동시에 말할 수 있는 음성 모델을 개발자가 쓸 수 있게 됐다. 이 모델은 지난 7월 ChatGPT 안에서 처음 선보였다. 이번 API 공개로 고객을 직접 상대하는 제품에 투입할 수 있게 됐고, 가격은 실제 작업을 처리하는 백엔드 모델 비용과 별도로 사용 1분당 5센트다.

핵심 요약

• GPT-Live-1은 풀듀플렉스 모델이다. 무전기처럼 번갈아 주고받는 대신, 음성을 생성하면서 들어오는 오디오를 동시에 처리한다.
• 음성 에이전트 벤치마크 Tau3에서 86.2%를 기록했다. GPT-Realtime-2.1은 45.7%, GPT-Realtime-2는 42.4%였다.
• 사용료는 분당 0.05달러에 백엔드 모델 요금이 더해진다. 이 모델은 OpenAI의 기업용 에이전트 플랫폼 프레즌스(Presence)에서도 제공된다.

풀듀플렉스가 음성 에이전트의 감각을 바꾸는 이유

기존 음성 시스템은 반이중(half-duplex) 방식이다. 한쪽이 말하면 다른 쪽은 듣고, 전환은 명시적으로 이뤄진다. 사람의 대화는 그렇게 흘러가지 않는다. 말이 겹치고, 끼어들고, 흐지부지 끝나고, 부드럽게 끊긴다. 이런 동작을 전혀 못 하는 시스템은 답변이 아무리 좋아도 어색하게 들린다.

말하면서 듣는다는 것은 문장을 끝낸 뒤가 아니라 끼어드는 그 순간에 이를 알아챈다는 뜻이다. OpenAI는 어학 학습 기업 스피크(Speak)의 초기 적용 사례를 근거로 든다. 학습자가 답하기 전 생각할 시간을 더 갖도록 해, 이 모델이 턴 기반 이전 모델보다 끼어듦을 80% 가까이 줄였다는 것이다. 여기서 개선의 핵심은 속도가 아니라 자제, 즉 말하지 않을 때를 아는 능력이다.

벤치마크 격차는 한 세대 차이치고 유난히 크다. Tau3는 항공사와 유통, 통신사가 운영하는 유형의 음성 고객 응대 과제를 측정한다. 40%대 초반에서 86.2%로 뛴 것은 이전 리얼타임 모델이 근소하게 부족했다기보다 구조적인 지점에서 실패하고 있었음을 시사한다. OpenAI는 별도로 Full Duplex Bench 성능이 GPT-Realtime-2.1보다 약 30% 좋아졌고 턴 전환 지연도 개선됐다고 밝혔다.

애플리케이션 안에서의 역할

GPT-Live-1은 단독으로 쓰라고 만든 모델이 아니다. 대화는 이 모델이 맡고, 정보 조회와 도구 호출, 작업 관리는 별도의 백엔드 모델이 처리한다. 까다로운 작업에는 GPT-6 아스트라를, 정형화된 작업에는 더 저렴한 모델을 붙이는 식이다. 이 분리 덕분에 비싼 추론이 분당 음성 요금에 얹히지 않고, 개발팀은 하나의 통합 단가를 받아들이는 대신 대화당 비용을 직접 조절할 수 있다.

그래서 가격도 꼼꼼히 읽어야 한다. 분당 5센트는 음성 계층만의 비용이다. 10분짜리 고객 지원 통화는 백엔드 모델과 AI 에이전트 로직, 통신 요금을 빼고도 50센트가 든다. 결국 단위 경제성은 마이크 뒤에 어떤 모델을 두느냐에 달렸다. 맞춤 음성도 쓸 수 있지만, 설정에서 고르는 것이 아니라 OpenAI 영업팀과 협의해야 한다.

옐프는 이름이 공개된 첫 사용처 가운데 하나로, AI 식당 예약 서비스인 옐프 호스트에 이 모델을 적용했다. 아킬 쿠두발리 라메시 옐프 최고제품책임자(CPO)는 이 기술이 통화를 더 대화답게 만들고, 직원이 전화 대신 손님에게 시간을 쓰도록 돕는다고 밝혔다. 다만 더레지스터가 지적했듯, 전화 반대편의 손님들이 이를 어떻게 느끼는지 물어본 곳은 아직 없다.

도입 전에 검증할 것

벤치마크 개선은 평균적인 동작을 말해줄 뿐이고, 음성 서비스는 가장자리에서 무너진다. 억양과 배경 소음, 품질 나쁜 전화선, 문장 중간에 말을 멈추는 화자가 바로 반이중 시스템이 전통적으로 깨지던 지점이다. 그리고 이런 상황에서는 자신 있게 끼어드는 모델이 기다리는 모델보다 못할 수 있다. 제대로 된 평가라면 깨끗한 스튜디오 샘플이 아니라 나쁜 오디오를 포함해야 한다.

두 번째 쟁점은 고지다. 예약 전화에서 사람으로 착각할 만큼 자연스러운 시스템은 발신자에게 이를 알렸는지를 문제로 만든다. 여러 관할권이 이미 고지를 의무화하고 있다. 이 기술을 소비자 대상 음성 흐름에 태우는 팀이라면 첫 민원이 들어온 뒤가 아니라 출시 전에 방침을 정해둬야 한다.

더 큰 방향은 분명하다. OpenAI는 기능을 남들이 그 위에 쌓아 올릴 인프라로 포장하고 있다. 기업용 에이전트 플랫폼에서도, 업계 곳곳에 등장하는 상시 청취형 어시스턴트에서도 같은 흐름이 보인다. 음성은 하나의 기능이 아니라 계층이 되고 있다.

자주 묻는 질문

AI 음성 모델에서 풀듀플렉스란 무엇인가

듣기와 말하기를 엄격히 번갈아 하는 대신, 음성을 만들어내면서 동시에 오디오를 받아들일 수 있다는 뜻이다. 덕분에 문장 도중에 들어온 끼어듦을 감지하고 반응할 수 있어, 대화가 무전기보다 사람 사이의 주고받음에 가깝게 느껴진다.

GPT-Live-1 사용료는 얼마인가

음성 모델 자체는 사용 1분당 0.05달러다. 여기에 조회와 도구 사용, 작업 관리를 맡는 백엔드 모델 비용이 더해진다. 따라서 총비용은 GPT-6 아스트라 같은 고성능 모델을 붙이느냐, 정형 업무용 저가 모델을 붙이느냐에 따라 달라진다.

GPT-Live-1은 OpenAI 리얼타임 API와 어떻게 다른가

음성 에이전트 벤치마크 Tau3에서 GPT-Live-1은 86.2%를 기록했고, GPT-Realtime-2.1은 45.7%, GPT-Realtime-2는 42.4%였다. OpenAI는 Full Duplex Bench에서도 GPT-Realtime-2.1보다 약 30% 나은 결과를 냈고, 턴 전환 지연도 개선됐다고 밝혔다.