OpenAI, 실시간 음성 모델 「GPT-Live」공개

OpenAI는 2025년 수요일, 새로운 음성 모델 「GPT-Live」를 전 세계 동시 출시했다. iOS·Android·ChatGPT.com에서 순차적으로 제공이 시작되고 있으며, 이제까지 ChatGPT가 채택해온 「Advanced Voice Mode」를 정식으로 대체하는 위치에 있다. 라인업은 「GPT-Live-1」과 「GPT-Live-1 mini」의 2가지로, 유료 플랜(Go·Plus·Pro)에서는 GPT-Live-1이 기본 음성 모델이 되고, 무료 이용자에게는 GPT-Live-1 mini가 제공된다.

이번 최대의 기술적 특징은 OpenAI가 「풀듀플렉스 아키텍처」라고 부르는 구조에 있다. 풀듀플렉스란 전화선에서 말하는 「양쪽이 동시에 말할 수 있는 상태」를 가리키는 통신 용어다. 이를 AI에 적용함으로써, 모델은 자신이 음성을 생성하고 있는 최중에도 사용자의 음성을 지속적으로 처리할 수 있게 되었다. 즉, 어느 한쪽이 말을 마칠 때까지 기다릴 필요가 없다. OpenAI는 공식 블로그에서 「모델은 1초 동안 여러 번 판단을 수행하여, 말할지·계속 들을지·간을 둘지·끼어들지·도구를 호출할지를 결정할 수 있다」고 설명했다.

기존의 Advanced Voice Mode는 2024년 9월에 유료 이용자용으로 전개되었지만, 사용자가 발화를 마쳤는지 여부를 「무음의 길이」로 판정하는 구조였다. 이 때문에 카페의 소음이나 생각 중의 간이 「발화 종료」로 오인식되어, AI가 부자연스러운 타이밍에 끼어드는 문제가 자주 발생했다. GPT-Live는 이러한 무음 감지로의 의존을 없애고, 대화의 흐름을 문맥으로부터 지속적으로 읽도록 설계되었다.

또 다른 구조적 변경점은 「음성의 주고받음」과 「사고·추론」을 별개의 레이어로 분리한 것이다. 이로 인해 음성 모델 부분만 업데이트하거나, 추론 모델을 독립적으로 강화할 수 있게 되었다. 기업용(API)으로의 제공도 예정되고 있으며, 개발자는 알림 등록이 가능한 상태가 되어 있다.

이번 출시는 ChatGPT의 음성 기능으로서 약 2년간 3세대째에 해당한다. 지금까지의 음성 AI는 「토킹 워키토키(트랜시버)처럼 교대로 말한다」고 표현되기도 했으며, 자연스러운 대화와는 거리가 멀다는 지적이 있어왔다. 풀듀플렉스 방식은 인간동 간 대화에 특유한 「고개를 끄덕임」이나 「그래 그래」와 같은 맞장구를 상대방이 말하고 있는 최중에 넣을 수 있다는 점에서, 기존과는 질적으로 다르다고 할 수 있다.

음성 인터페이스의 자연스러움은 AI 어시스턴트가 일상적인 도구로서 보급되는 데 있어 오랜 과제로 여겨져 왔다. 대화의 「간」이나 「끼어들기」가 매끄럽게 처리될 수 있는지 여부는 특히 업무 활용이나 핸즈프리 환경에서의 사용 편의성을 크게 좌우한다. 향후 API를 통해 개발자가 GPT-Live를 어떻게 활용할지, 또한 음성을 사용한 AI 에이전트의 응용이 어디까지 확대될지가 주목점으로 위치하고 있다.