- 오픈AI가 7월 8일 새 음성 모델 ‘GPT-Live’를 공개했다. 듣기와 말하기를 동시에 하는 풀듀플렉스 구조다.
- “음”, “그래” 같은 맞장구를 치고, 사용자가 생각할 땐 조용히 기다린다. 워키토키식 대화가 끝났다.
- 복잡한 질문은 뒤에서 GPT-5.5 같은 최신 모델에 넘겨 처리하고, 그동안 대화는 계속 이어간다.
- GPT-Live-1과 mini 두 종류가 전 세계 ChatGPT에 순차 적용되며 기존 고급 음성 모드를 대체한다.
ChatGPT에 말을 걸어본 적 있다면 이 어색함을 안다. 내가 잠깐 생각하려고 말을 멈추면 AI가 그 틈을 ‘끝’으로 오해하고 끼어든다. 무전기처럼 한 번에 한 명씩, 딱딱 끊어 말해야 했다. 그런데 지난 7월 8일, 오픈AI가 이 규칙을 통째로 깨버린 음성 모델을 내놨다. 이름은 GPT-Live. 사람처럼 듣는 동시에 말하고, 심지어 내 말에 자연스럽게 끼어든다.
워키토키 같던 AI 음성, 드디어 바뀐다
듣는 동시에 말한다, 풀듀플렉스의 등장
GPT-Live의 핵심은 ‘풀듀플렉스(full-duplex)’ 구조다. 전화기처럼 한쪽이 말하면 다른 쪽은 들어야 하는 반이중 방식이 아니라, 듣기와 말하기가 동시에 돌아간다. 그래서 사용자가 이야기하는 도중에도 “음”, “그래”, “알겠어” 같은 짧은 맞장구를 넣어 ‘지금 듣고 있다’는 신호를 보낸다. 반대로 사용자가 생각을 정리하려고 잠시 멈추면, 예전처럼 냉큼 끼어들지 않고 조용히 기다린다.
왜 지금까지의 음성 AI는 어색했을까. 초창기 ChatGPT 음성은 세 개의 모델을 사슬처럼 연결한 ‘캐스케이드’ 방식이었다. 말을 받아쓰는 모델(STT), 답을 만드는 언어모델, 다시 소리로 바꾸는 모델(TTS)이 차례로 작동했다. 그 과정에서 정보가 새고, 응답은 느리고 뚝뚝 끊겼다. 다음 세대인 ‘고급 음성 모드’는 한 모델에서 처리해 빨라졌지만, 여전히 ‘턴(turn)’ 단위였다. 사용자가 말을 멈춰야만 답했고, 침묵으로 순서를 판단하다 보니 잠깐의 뜸이나 주변 소음도 ‘끝’으로 착각해 엉뚱한 타이밍에 끼어들었다.
Trend Insight — 음성 AI 경쟁의 축이 ‘얼마나 똑똑한가’에서 ‘얼마나 사람처럼 대화하는가’로 넘어가고 있다. 정확도만큼이나 침묵, 맞장구, 끼어드는 타이밍 같은 대화의 ‘결’이 제품 경쟁력이 되는 국면이다.
GPT-Live는 어떻게 다른가
초당 수십 번, 말할지 들을지 판단한다
오픈AI는 두 가지 구조 변화로 이 문제를 풀었다. 첫째는 ‘연속 상호작용’이다. GPT-Live는 메시지를 하나씩 순서대로 처리하는 대신, 입력을 받는 동시에 출력을 만들어낸다. 그 결과 말할지, 계속 들을지, 잠시 멈출지, 끼어들지, 도구를 쓸지를 초당 수십 번 판단한다. 라이브 통역 같은 기능이 가능해진 것도 이 구조 덕분이다.
둘째는 ‘위임(delegation)’이다. 웹 검색이나 깊은 추론이 필요한 무거운 질문이 오면, GPT-Live는 그 작업을 뒤에서 GPT-5.5 같은 최신 모델에 넘긴다. 그리고 결과가 나올 때까지 사용자와의 대화 흐름은 끊지 않고 계속 이어간다. 대화를 담당하는 부분과 ‘진짜 일’을 하는 부분을 분리한 셈이다. 덕분에 앞으로 더 강한 모델이 나오면 그 지능만 갈아끼워 계속 업그레이드할 수 있다.
실제 제품은 GPT-Live-1과 GPT-Live-1 mini 두 가지다. 오픈AI의 자체 평가에서 두 모델 모두 기존 고급 음성 모드보다 대화의 자연스러움, 순서 주고받기, 끼어들기, 흐름 면에서 크게 선호됐다. 전문가급 과학 추론(GPQA)과 어려운 웹 검색(BrowseComp) 벤치마크에서도 뚜렷한 향상을 보였다. 매주 1억 5,000만 명 이상이 음성과 받아쓰기로 ChatGPT를 쓰는 만큼, 체감 변화의 파급력이 크다.
Trend Insight — ‘대화 담당’과 ‘두뇌 담당’을 분리한 설계가 핵심이다. 응대는 가벼운 실시간 모델이 맡고, 무거운 추론은 프론티어 모델에 위임하는 구조는 앞으로 음성 에이전트의 표준 아키텍처가 될 가능성이 높다.
ChatGPT 음성이 이렇게 달라진다
9개 목소리, 시각 카드, 그리고 안전장치
이제 ChatGPT 음성 버튼을 누르면 GPT-Live가 작동한다. 목소리 9종이 새로 다듬어졌고, 답변에 따라 응답 속도를 고르는 추론 단계(Instant·Medium·High)를 선택할 수 있다. 날씨, 주가, 스포츠처럼 눈으로 보는 게 나은 정보는 시각 카드로 함께 띄운다. 주변에 차 소리나 다른 대화가 섞여도 사용자 목소리에 더 잘 집중하고, “잠깐 조용히 들어줘”라고 하면 실제로 기다린다.
적용 범위도 넓다. GPT-Live-1은 Go·Plus·Pro 사용자의 기본 음성 모델이 되고, GPT-Live-1 mini는 무료 사용자 기본값으로 들어간다. iOS·안드로이드·웹에서 전 세계에 순차 배포되며, API도 곧 열린다. 오픈AI는 음성을 ‘복잡하고 긴 작업까지 다루는 컴퓨팅의 기본 인터페이스’로 보고 있다. 제품 책임자는 산책하며 30~40분씩 대화했다고 소개하기도 했다.
안전 설계도 강조됐다. 음성 대화는 실시간으로 흘러가는 만큼, 위험 신호가 감지되면 말하는 도중에도 더 안전한 답으로 방향을 틀거나 대화를 종료하는 장치를 넣었다. 청소년 보호와 부모 관리 기능도 포함됐고, 실제 사람 목소리를 흉내 내지 못하도록 정해진 목소리만 쓴다. 다만 한계도 있다. 공개 시연에서 힌디어 통역은 억양이 어색했고, 지원 언어도 ‘많이 쓰는 언어 중심’이라고만 밝혔다. 출시 시점에는 영상·화면 공유 기능도 아직 빠져 있다.
Trend Insight — 애플 시리, 아마존 알렉사, 스타트업 세서미까지 ‘더 자연스러운 대화’로 방향을 틀고 있다. 오픈AI가 음성 이어버드를 준비한다는 관측까지 나오는 만큼, 다음 하드웨어 전쟁의 입구는 ‘목소리’일 수 있다.
혼자 터진 뉴스가 아니다, 7월 9일 프론티어 대전
GPT-5.6, Grok 4.5, 그리고 Claude가 같은 날
GPT-Live는 더 큰 흐름의 일부였다. 바로 다음 날인 7월 9일, 오픈AI는 미국 정부의 제한이 풀리면서 GPT-5.6 Sol·Terra·Luna를 정식 공개했다. 가격은 100만 토큰당 Sol이 입력 5달러·출력 30달러, Terra가 2.5달러·15달러(GPT-5.5급 성능을 절반 값에), Luna가 1달러·6달러로 대용량·저비용 파이프라인을 겨냥한다.
같은 날 스페이스X의 AI 부문은 Grok 4.5를 공개했다. 머스크는 “오퍼스급이지만 더 빠르고 토큰 효율이 좋으며 저렴하다”며 100만 토큰당 2달러를 앞세웠다. 앤트로픽도 미국 정부의 수출 통제 조치가 풀리며 3주 가까이 내려가 있던 Claude Fable 5를 다시 배포했고, 앞서 6월 말 공개한 Claude Sonnet 5까지 더해 프론티어 모델 3~4종이 하루 만에 나란히 섰다. 48시간 남짓한 창에서 벌어진 가격 경쟁은 기업들이 최상위 추론·코딩 모델에 지불하던 비용의 기준선을 다시 그리고 있다.
Trend Insight — 모델 자체의 성능 격차가 좁아지자, 경쟁은 ‘더 싸게’와 ‘어떻게 쓰이느냐’로 옮겨가고 있다. GPT-Live처럼 강한 모델을 ‘자연스러운 인터페이스’로 감싸 사용자 경험을 바꾸는 쪽이 다음 승부처다.
관련 글
출처
- OpenAI — Introducing GPT-Live (2026.07.08)
- TechCrunch — OpenAI releases new voice models for more natural live conversations
- CNBC — OpenAI to publicly release GPT-5.6, rolls out Live voice AI models
AI Biz Insider · AI 트렌드 · aibizinsider.com
댓글 남기기