|
오픈AI는 9일 차세대 음성 모델 ‘GPT 라이브(GPT-Live)’를 기반으로 한층 향상된 챗GPT 보이스를 공개했다고 밝혔다.
기존 음성 AI는 사용자의 음성을 텍스트로 변환한 뒤 대형언어모델(LLM)이 답변을 생성하고 이를 다시 음성으로 읽어주는 구조였다. 이 방식은 텍스트 모델의 성능 향상을 빠르게 반영할 수 있지만, 사용자가 말을 끝냈는지 판단하는 과정이 필요해 응답이 늦어지거나 대화가 끊기는 문제가 있었다.
GPT 라이브는 음성을 지속적으로 처리하면서 대화 맥락을 실시간으로 이해하도록 설계됐다. 사용자가 말을 이어가는 도중에도 답변을 준비하고, 말을 끊거나 질문을 바꾸는 상황에도 자연스럽게 대응할 수 있어 실제 사람과 대화하는 것에 가까운 경험을 제공한다.
또 음성 대화와 추론 기능을 분리한 구조를 적용했다. 빠른 대화 흐름은 유지하면서도 복잡한 질문이나 도구 활용이 필요한 요청은 별도 추론 과정을 거쳐 처리할 수 있다. 사용자가 추가 정보가 필요한 질문을 하거나 시간이 걸리는 작업을 요청하면 대화를 이어가면서 결과를 준비한 뒤 적절한 시점에 반영하는 방식이다.
실시간 통역 기능도 개선됐다. 기존에는 사용자의 발화가 끝난 뒤 번역하는 방식에 가까웠지만, GPT 라이브는 음성을 지속적으로 처리하며 대화 흐름에 맞춰 통역을 제공한다. 이에 따라 회의나 여행, 교육, 고객 응대 등 서로 다른 언어를 사용하는 상황에서도 보다 자연스러운 의사소통이 가능할 것으로 회사는 기대했다.
주변 소음이 있는 환경에서도 사용자 음성을 보다 정확하게 인식하도록 성능을 개선했으며, 필요한 정보는 화면에 함께 표시해 음성과 시각 정보를 결합한 사용자 경험도 제공한다.
오픈AI는 이번 GPT 라이브 아키텍처를 기반으로 다양한 백엔드 모델과 새로운 입력·출력 방식, API 활용 사례로 확장해 음성 환경에서도 AI 에이전트 수준의 작업 수행이 가능하도록 기술을 발전시켜 나갈 계획이라고 밝혔다.
