오픈AI(OpenAI)가 더욱 자연스러운 대화를 구현하는 새로운 음성 모델을 공개했다고 IT전문매체인 테크크런치(TechCrunch)가 보도했다. 이번에 선보인 'GPT-라이브-1(GPT-Live-1)'과 'GPT-라이브-1 미니(GPT-Live-1 mini)'는 보다 자연스러운 발화와 향상된 차례 바꾸기(turn-taking) 기능을 갖췄다는 게 오픈AI 측의 설명이다.
두 모델은 모두 전이중(full-duplex) 방식으로 작동한다. 말하는 동시에 듣는 것이 가능해 사용자가 자연스럽게 대화에 끼어들거나, 실시간 번역 같은 기능을 활용할 수 있다. 오픈AI는 기존 챗GPT(ChatGPT)의 고급 음성 모드(Advanced Voice Mode)도 GPT-라이브-1 미니로 기본 교체할 예정이며, 유료 구독자는 더 큰 모델인 GPT-라이브-1을 이용할 수 있다고 밝혔다.
기존 모델은 음성 인식, 대규모 언어 모델을 통한 응답 생성, 텍스트 음성 변환(TTS)의 세 단계를 거치는 구조였다. 반면 새 모델은 GPT-5.5 등 최신 텍스트 모델과 연계해 검색·추론·에이전틱(agentic) 기능을 수행하면서도 대화를 동시에 이어갈 수 있다고 회사 측은 언론 브리핑에서 설명했다. 오픈AI는 또 새 모델이 사용자가 말하는 도중 끼어드는 문제와 질문에 충분히 답하지 못하던 문제를 해결했다고 강조했다.
보도에 따르면 새 모델은 오랫동안 침묵을 유지하면서 대화 맥락을 흡수하다가 호출될 때 응답하는 기능도 탑재됐다. 또한 최신 GPT 모델에 접근할 수 있어 일부 정보를 시각적 형식으로 제시하는 것도 가능하다. DST와 룩스 캐피털(Lux Capital)로부터 시드 투자로 4천만 달러를 유치한 스타트업 모노그램(Monogram) 등도 AI 어시스턴트의 상호작용성을 높이기 위해 시각적 응답 방식을 채택하고 있다고 전해졌다.
오픈AI는 새 음성 모드가 더 긴 대화를 이어갈 수 있도록 설계됐다고 밝혔다. 브리핑에서 챗GPT 보이스(ChatGPT Voice) 제품 책임자 아티 엘레티(Atty Eleti)는 "산책하면서 음성 기능으로 30~40분씩 대화를 나눈 적이 있다"고 말했다.
오픈AI는 음성이 복잡한 작업을 위한 컴퓨팅의 주요 인터페이스가 될 수 있다고 보고 있다. 회사는 올해 AI 기능을 탑재한 무선 이어버드를 출시할 수 있다는 관측이 나오고 있지만, 이번 브리핑에서 하드웨어 제품에 대한 구체적인 정보는 제공하지 않았다.
엘레티는 "시간이 지남에 따라 음성을 컴퓨팅의 주요 인터페이스로 활용하고, 점점 복잡해지는 장기 에이전틱 작업을 관리할 수 있게 될 것"이라며 "코덱스(Codex)와 챗GPT로 사람들이 해내는 놀라운 사용 사례들, 그 모든 작업의 미래 인터페이스가 음성이 될 수 있다고 생각한다"고 말했다.
오픈AI는 지난 몇 년간 챗GPT 음성 모드를 더 자연스럽게 만들기 위해 꾸준히 음성 기반 기능을 강화해왔다. 회사에 따르면 현재 1억 5천만 명 이상이 음성 및 받아쓰기(Dictation) 기능을 통해 챗GPT와 대화하고 있다.
경쟁사들도 어시스턴트를 더욱 풍부하게 표현하려는 움직임을 보이고 있다. 애플(Apple)과 아마존(Amazon) 모두 맥락 이해 능력을 높이고 더 자연스러운 대화가 가능하도록 자사 어시스턴트를 업데이트했다. 오큘러스(Oculus) 공동 창업자 브렌던 아이리브(Brendan Iribe)와 안킷 쿠마르(Ankit Kumar)가 설립한 스타트업 세사미(Sesame) 역시 백그라운드에서 작업을 수행하면서도 더 자연스럽게 대화하는 AI 어시스턴트를 선보인 바 있다.
오픈AI도 같은 방향으로 나아가고 있다. 사용자가 핸즈프리로 더 오랜 시간 어시스턴트와 대화할 수 있도록 하는 것이 목표다. 다만 새 음성 모드가 더 자연스럽다고 주장하면서도, 이를 AI 동반자(AI companion)로 만드는 것이 목표는 아니라고 선을 그었다. 회사 측은 새 모델에 청소년에게 연령에 맞는 응답을 제공하고, 자해 같은 주제로 대화가 흘러갈 경우 관련 자원을 안내하는 안전장치가 내장돼 있다고 밝혔다.
새 음성 모드가 아직 보완이 필요한 부분도 드러났다. 브리핑 중 힌디어 실시간 번역 기능을 시연했을 때, 어시스턴트는 강한 미국식 억양으로 다소 딱딱하고 어색한 힌디어를 구사했다. 오픈AI는 새 모드가 "대부분의 구어(most spoken languages)"에 최적화돼 있다고 밝혔지만, 구체적으로 어떤 언어들인지는 명시하지 않았다.
