오픈AI '챗GPT 보이스' 개선
'자연스러운 대화' 경험 강조
음성 인식하며 답변 동시 준비
답변 끊고 말해도 맥락 이해
오픈AI는 9일 차세대 음성 모델 'GPT 라이브'를 기반으로 한 챗GPT 보이스 경험을 공개했다고 밝혔다. GPT 라이브는 사용자의 음성을 실시간으로 듣고 맥락을 이해해 자연스러운 대화 흐름을 이어가도록 설계된 모델이다.
기존 음성 AI는 사용자의 말을 먼저 텍스트로 바꾼 뒤 대형언어모델(LLM)이 답변을 만든 다음 이를 다시 음성으로 읽어주는 방식이 일반적이었다. 텍스트 모델의 성능을 빠르게 반영할 수 있다는 장점은 있었지만 한계도 뚜렷했다. 사용자가 말을 끝냈는지 판단하는 별도 과정이 필요해 대화가 끊기거나 응답이 늦어지는 문제가 발생했다.
GPT 라이브는 이 구조를 바꿨다. 음성을 지속적으로 처리하면서 대화 맥락을 실시간으로 이해하도록 설계됐다. 사용자의 발화가 끝나기 전부터 답변을 준비해 응답 지연 현상이 줄어든다는 것이다. 말이 끝나기를 기다리다 기계적으로 답하는 방식이 아니라 대화의 흐름을 따라가면서 반응하는 구조다.
사용자가 말하는 도중에도 자연스럽게 반응한다. 사용자가 말을 끊고 다시 질문하는 상황에도 유연하게 대응할 수 있다.
오픈AI는 이번 업데이트를 통해 챗GPT 보이스가 실제 사람과의 대화에 가까운 음성 경험을 제공할 것으로 보고 있다.
사용자의 복잡한 요청을 처리하는 방식도 개선했다. GPT 라이브는 빠른 음성 대화 기능과 깊이 있는 추론 기능을 분리해 설계됐다. 이 때문에 챗GPT 보이스는 자연스러운 대화를 유지하면서도 추가 정보가 필요한 질문이나 시간이 걸리는 작업을 처리할 수 있다. 결과가 준비되면 현재 대화 흐름에 맞춰 반영하는 식이다.
실시간 통역 기능도 한층 자연스럽게 지원한다. 기존에는 사용자의 발화가 끝난 뒤 순차적으로 번역하는 방식에 가까웠다. 이번 업데이트 이후엔 사용자 음성을 계속 듣고 처리하면서 대화 흐름에 맞춰 곧바로 통역한다. 회의, 여행, 교육, 고객 응대 등 서로 다른 언어를 쓰는 사람들이 대화하는 상황에서 활용도가 커질 것으로 예상된다.
주변 소음 속에서도 사용자 음성에 더 집중하는 기능도 추가됐다. 또 필요한 정보는 화면으로 함께 제공한다. 음성 대화가 단순한 명령 입력 수단을 넘어 실제 업무와 생활 속 대화형 인터페이스로 확장될 수 있도록 개선한 것이다.
오픈AI는 GPT 라이브를 음성 AI의 자연스러움과 지능을 동시에 발전시키는 중요한 단계로 보고 있다. 이번 아키텍처는 앞으로 더 다양한 백엔드 모델, 새로운 입력·출력 방식, API 기반 활용 사례로 확장될 수 있도록 설계됐다.
오픈AI는 "사용자가 텍스트로 할 수 있는 일, 또는 AI 에이전트에게 요청할 수 있는 일을 음성 대화 안에서도 자연스럽게 수행할 수 있도록 기술을 발전시켜 나갈 계획"이라고 했다.
김대영 한경닷컴 기자 kdy@hankyung.com