오픈AI가 차세대 음성 모델 GPT 라이브(GPT-Live)를 공개했다. GPT 라이브는 사람과 대화하듯 자연스럽게 AI와 상호작용할 수 있도록 설계된 새로운 음성 모델로, 기존 챗GPT 음성 기능을 대체하는 새로운 기반 모델이다. 오픈AI는 GPT 라이브를 통해 AI와의 음성 대화가 지금보다 훨씬 자연스럽고 유연해질 것이라고 설명했다.
가장 큰 특징은 풀 듀플렉스(Full Duplex) 구조다. 기존 음성 AI는 사용자가 말을 마친 뒤 응답을 생성하는 '턴 기반(Turn-based)' 방식이었다. 반면 GPT 라이브는 사용자의 음성을 지속적으로 처리하면서 동시에 음성을 생성할 수 있다. 덕분에 대화 도중 "음", "그래", "알겠어"와 같은 반응을 자연스럽게 보이거나, 사용자가 말을 잠시 멈췄을 때 불필요하게 끼어들지 않고 기다리는 등 실제 사람과 대화하는 것에 가까운 경험을 제공한다. 또한 실시간 통역과 번역도 지원한다.
오픈AI는 이를 위해 음성 대화와 복잡한 작업을 분리하는 새로운 구조를 적용했다. GPT 라이브는 대화 자체를 담당하는 반면, 웹 검색이나 복잡한 추론, 에이전트 작업 등이 필요한 경우에는 백그라운드에서 최신 거대언어모델에 작업을 위임한다. 현재는 GPT-5.5가 이 역할을 수행하며, 향후 새로운 프런티어 모델이 등장하면 자동으로 해당 모델을 활용하도록 설계됐다. 이러한 방식 덕분에 GPT 라이브는 검색과 추론을 수행하는 동안에도 사용자와 자연스럽게 대화를 이어갈 수 있다.
성능도 크게 향상됐다. 오픈AI는 GPT 라이브-1과 GPT 라이브-1 미니가 기존 어드밴스드 보이스 모드(Advanced Voice Mode)보다 전반적인 대화 만족도와 자연스러움, 대화 흐름, 끼어드는 빈도, 턴 전환 등에서 높은 선호도를 기록했다고 밝혔다. 또한 전문가 수준 과학 추론을 평가하는 GPQA, 웹 탐색 능력을 평가하는 브라우즈컴프(BrowseComp), 다중 턴 통신 상담 과제를 평가하는 내부 음성 에이전트 벤치마크에서도 기존 모델을 앞섰다고 설명했다.
새로운 챗GPT 음성 경험도 함께 제공된다. 사용자는 대화 중 언제든 질문을 끼어들어 할 수 있으며, 잠시 생각할 시간을 갖거나 챗GPT에게 천천히 말해 달라고 요청할 수도 있다. GPT 라이브는 사용자의 말을 이해하고 있다는 점을 "음흠(Mhmm)", "알겠어(Got it)" 등의 자연스러운 반응으로 전달하며, 기존 9개의 음성도 GPT 라이브에 맞춰 새롭게 조정됐다.
또한 GPT 라이브는 상황에 따라 응답 방식도 선택할 수 있다. 빠른 응답을 위한 인스턴트(Instant), 보다 깊은 사고를 수행하는 미디엄(Medium)과 하이(High) 추론 모드를 제공한다. 날씨와 스포츠, 주식 등 특정 질문에서는 시각 자료를 함께 표시해 음성과 화면을 결합한 멀티모달 경험도 지원하며, 챗GPT의 메모리 기능과 웹 검색 역시 음성 대화에서 그대로 활용할 수 있다.
오픈AI는 안전성 강화에도 많은 공을 들였다고 밝혔다. GPT 라이브에는 위기 대응 전문가 검토를 거친 응답 체계와 청소년 이용자를 위한 연령별 응답 정책이 적용됐으며, 자연스러운 대화가 오히려 위험한 상황을 만들지 않도록 다양한 안전 장치를 추가했다. 음성 출력에 대해서도 광범위한 안전성 평가를 진행했으며, 부적절한 요청에 대한 대응 능력도 개선했다.
GPT 라이브는 7월 8일부터 전 세계 챗GPT 이용자를 대상으로 순차 배포된다. 유료 이용자는 GPT 라이브-1, 무료 이용자는 GPT 라이브-1 미니를 기본 음성 모델로 사용할 수 있으며, iOS와 안드로이드, 웹에서 이용 가능하다. 출시 초기에는 음성과 함께 사용하는 영상 및 화면 공유 기능은 지원하지 않지만, 오픈AI는 해당 기능을 추후 업데이트를 통해 추가할 예정이다. 또한 향후 API에도 GPT 라이브를 제공해 개발자와 기업에서도 새로운 실시간 음성 AI를 활용할 수 있도록 지원할 계획이다.
Laffa@inven.co.kr 
