- 오픈AI가 7월 8일 GPT-Live를 공개했다. 듣기와 말하기를 동시에 처리하는 풀듀플렉스(full-duplex) 음성 모델로, 기존 어드밴스드 보이스 모드를 대체한다.
- 초당 여러 번 ‘말할지·들을지·끼어들지’를 판단하고, 어려운 질문은 백그라운드의 GPT-5.5에 넘겨 대화를 끊지 않는다.
- GPQA 과학추론 벤치마크가 45.3%에서 84.2%로, 웹 검색 벤치마크 BrowseComp는 0.7%에서 75.2%로 뛰었다.
- 유료(Go·Plus·Pro)는 GPT-Live-1, 무료는 GPT-Live-1 mini가 기본. API는 추후 공개 예정.
지금까지의 AI 음성 비서는 ‘무전기’였다. 내가 말을 끝내야 AI가 답하고, AI가 말할 때 나는 기다려야 했다. 그런데 오픈AI가 7월 8일 내놓은 GPT-Live는 그 규칙을 깼다. 내가 말하는 도중에 “음-“, “그렇죠” 같은 맞장구를 넣고, 필요하면 말을 끊고 끼어든다. 전화 통화에 가까워진 것이다. 무엇이 바뀌었고, 왜 지금 ‘음성’이 다음 승부처가 됐는지 정리했다.
전화 통화하듯 끼어드는 AI
GPT-Live의 핵심은 ‘풀듀플렉스’ 구조다. 반이중(half-duplex)이던 기존 방식은 한쪽이 말하면 다른 쪽은 들을 수만 있었다. 반면 GPT-Live는 들어오는 음성을 처리하면서 동시에 말을 만들어낸다. 그래서 사용자가 말하는 도중에 끼어들거나, 겹쳐 말하거나, 잠시 침묵하는 실제 대화의 리듬을 흉내 낼 수 있다.
초당 여러 번의 판단
이 모델은 초당 여러 차례 ‘말할지, 들을지, 멈출지, 끼어들지, 도구를 호출할지’를 결정한다. “음-“, “알겠어요” 같은 백채널(backchannel) 신호를 적절한 타이밍에 넣어 듣고 있음을 표시하고, 사용자가 생각 중일 때는 조용히 기다린다. 목소리는 새로 다듬은 9종이 제공되며, 실시간 통역도 지원한다. 다만 아직 영상이나 화면 공유와 결합한 음성 대화는 지원하지 않는다.
Trend Insight — ‘얼마나 똑똑한가’에서 ‘얼마나 자연스러운가’로 경쟁 축이 이동하고 있다. 응답 정확도만큼이나 ‘대화의 타이밍’이 사용자 경험을 좌우하는 지표가 됐다.
숫자로 본 도약, 그리고 ‘대리 실행’의 비밀
오픈AI가 공개한 내부 벤치마크에서 개선 폭은 뚜렷하다. 대학원 수준 과학추론 시험인 GPQA에서 GPT-Live-1(High 추론 설정)은 84.2%를 기록해, 이전 어드밴스드 보이스 모드의 45.3%를 거의 두 배로 넘어섰다. 에이전트형 웹 검색을 평가하는 BrowseComp에서는 0.7%에서 75.2%로 격차가 훨씬 컸다. 사람이 직접 비교한 선호도 테스트에서도 참가자의 75.7%가 GPT-Live-1을 선택했다.
가벼운 음성 + 무거운 두뇌의 하이브리드
이 도약의 비결은 ‘대리 실행’이다. 복잡한 수학, 다단계 리서치, 도구 사용이 필요한 질문이 오면 GPT-Live는 백그라운드에서 돌아가는 GPT-5.5에 작업을 넘긴다. 그동안에도 대화는 멈추지 않고, 결과가 준비되면 자연스럽게 흐름에 끼워 넣는다. 사용자는 Instant·Medium·High 세 단계의 추론 강도를 고를 수 있다. 저지연 음성 모델과 강력한 추론 모델을 비동기로 결합해 ‘속도 대 정확도’의 오랜 딜레마를 우회한 설계다.
Trend Insight — ‘작은 모델이 큰 모델을 오케스트레이션한다’는 구조는 음성뿐 아니라 앞으로의 AI 제품 설계 문법이 될 가능성이 크다. 응답 지연과 비용을 동시에 잡는 실전형 아키텍처다.
왜 지금 ‘음성’이 다음 승부처인가
GPT-Live의 출시는 음성 인터페이스 경쟁을 한 단계 끌어올렸다. 구글의 제미나이 라이브, 메타의 음성 지원 AI 비서도 더 자연스럽고 실시간에 가까운 대화를 추구해 왔다. 풀듀플렉스, 즉 양쪽이 전화처럼 동시에 말하고 듣는 방식은 그동안 AI 음성 비서와 인간 대화를 가르던 기술적 최전선이었다. 이 문턱을 넘었다는 것은 AI가 콜센터, 대면 상담, 교육, 통역 같은 ‘실시간 대화 영역’으로 본격 진입한다는 신호다.
개발자와 기업이 주목할 지점
현재 GPT-Live는 챗GPT 앱 안에서만 쓸 수 있고, API는 시점을 못 박지 않은 채 ‘추후 공개’로 남겨졌다. 다만 오픈AI는 7월 6일 개발자용 GPT-Realtime-2.1 음성 모델을 이미 내놓았다. 실시간 음성 에이전트를 준비하는 기업이라면, 지금은 시나리오 설계와 안전 정책을 다듬으며 API 개방에 대비할 시점이다. 음성은 텍스트보다 오해·감정·맥락의 변수가 크기 때문이다.
Trend Insight — 음성 에이전트의 승부는 ‘모델 성능’보다 ‘언제 말하고 언제 침묵할지’의 대화 정책에서 갈릴 것이다. 도입을 검토한다면 UX와 안전 가드레일을 기술 선택만큼 비중 있게 다뤄야 한다.
더 사람 같아질수록 커지는 안전 숙제
오픈AI는 GPT-Live에 음성 특화 안전 평가를 추가했다. 자해, 정신증·조증, AI에 대한 정서적 의존, 폭력, 성적 콘텐츠 등 다섯 영역을 오디오 단위로 평가하고, 응답 도중에도 방향을 바꾸거나 위기 자원을 안내하고 고위험 세션을 종료할 수 있는 실시간 안전장치를 뒀다. 이는 챗봇의 유해성을 둘러싼 잇단 소송을 의식한 조치이기도 하다. 대화가 사람에 가까워질수록, ‘얼마나 자연스러운가’만큼 ‘얼마나 안전하게 멈출 수 있는가’가 중요한 평가 항목이 되고 있다.
관련 글
출처
- MLQ News — OpenAI Launches GPT-Live-1, a Full-Duplex Voice Model (2026.07.09)
- Cybernews — OpenAI launches GPT-Live voice models that listen and speak (2026.07.09)
- OpenAI — Introducing GPT-Live (공식 발표, 2026.07.08)
AI Biz Insider · AI 트렌드 · aibizinsider.com
댓글 남기기