오픈AI(OpenAI)가 사람과 동시에 말을 듣고 응답할 수 있는 실시간 음성 모델 GPT-라이브-1(GPT-Live-1)을 API로 출시했습니다. 개발자는 이를 활용해 전화 상담, 예약, 주문 처리 같은 음성 에이전트를 복잡한 단계 없이 직접 만들 수 있습니다.
GPT-라이브-1 API의 핵심 기능
기존 음성 에이전트는 음성을 텍스트로 바꾸고, 텍스트를 처리한 뒤, 다시 음성으로 변환하는 세 단계를 거쳤습니다. 각 단계마다 지연이 누적되고 사용자가 말을 끊거나 방향을 바꾸는 것을 자연스럽게 처리하기 어려웠습니다.
GPT-라이브-1은 입력과 출력 음성을 하나의 모델에서 동시에 처리합니다. 사용자가 말을 중간에 끊거나 짧게 반응해도 실시간으로 대응하며, 복잡한 추론이나 외부 도구 호출은 별도의 백엔드 모델에 맡긴 채 대화를 계속 이어갑니다.
백엔드 모델 자유롭게 연결하기
개발자는 음성 인터페이스 뒤에 원하는 모델과 도구를 직접 선택할 수 있습니다.
- 일정 예약이나 주문 변경처럼 빠른 처리가 필요한 업무: 저비용 모델 연결
- 복잡한 고객 문의나 고도의 분석: GPT-6 아스트라 같은 고성능 추론 모델 사용
이렇게 업무별로 속도와 추론 성능, 비용을 조절할 수 있습니다.
개발자 편의 기능
API는 다음 기능을 기본 제공합니다.
- 음성인식 결과와 응답 텍스트 실시간 제공
- 숫자와 문자 조합을 정확하게 이해하는 기능
- 특정 키워드를 먼저 인식하도록 설정
- 발화 끝나는 시점 자동 감지
- 배경 소음과 침묵을 자연스럽게 처리
- 시스템 프롬프트로 에이전트의 말투, 속도, 대화 스타일 조정
- 장시간 대화에서 맥락 유지
- 전화 통화용 전이중 음성 에이전트 지원
가격과 음성 옵션
API 가격은 음성 프런트엔드 계층 기준 분당 0.05달러입니다. 백엔드 추론 모델과 에이전트 환경 이용 비용은 별도로 부과됩니다.
출시 초기에는 다양한 억양과 방언, 언어를 지원하는 12개 음성을 제공합니다. 맞춤형 음성은 별도 문의를 통해 이용할 수 있습니다.
실제 성능 평가
언어 학습 플랫폼 스피크가 GPT-라이브-1을 적용한 결과, 기존 턴 기반 시스템보다 사용자의 말을 끊는 횟수가 80% 감소했습니다. 벤치마크에서는 기존 모델 GPT-리얼타임-2.1보다 30포인트포인트 높은 성능을 기록했으며, 음성 에이전트의 실제 업무 수행 능력을 평가하는 타우3-뱅킹에서 1위를 차지했습니다.
오픈AI 프레즌스와 함께 활용
오픈AI는 GPT-라이브-1과 함께 오픈AI 프레즌스를 공개했습니다. 기업이 자체 시스템에 접근해 질문에 답하고, 승인된 작업을 수행하거나 사람에게 업무를 넘길 수 있는 실시간 음성 워크플로를 구축할 수 있도록 지원합니다.
댓글 쓰기