오픈AI는 생성형 AI 챗GPT가 한층 자연스러운 대화를 선보이도록 업데이트됐다고 9일 밝혔다. 차세대 음성 모델 'GPT 라이브(GPT-Live)'를 기반으로 한 GPT 보이스는 AI와의 대화가 실제 사람과의 대화처럼 느껴지도록 사용자 음성을 실시간으로 듣고 맥락을 이해하도록 설계됐다.
기존 음성 AI는 사용자의 말을 텍스트로 변환한 뒤 거대 언어 모델(LLM)이 답변을 생성하고, 이를 다시 음성으로 읽어주는 방식이 일반적이었다. 이 구조는 텍스트 모델의 발전을 빠르게 반영할 수 있다는 장점이 있었지만, 사용자가 말을 끝냈는지 판단하는 별도 단계가 필요해 대화가 끊기거나 응답이 지연되는 한계가 있었다.
GPT 라이브는 이러한 방식을 넘어 음성을 지속적으로 처리하고 대화 맥락을 실시간으로 이해하도록 설계됐다. 이를 통해 사용자가 말하는 도중에도 자연스럽게 반응하거나 사용자가 말을 끊고 다시 질문하는 상황에도 유연하게 대응할 수 있다. 사용자가 말을 멈추기 전부터 답변을 준비할 수 있어, 실제 사람과 대화하는 것에 가까운 빠르고 자연스러운 음성 경험을 제공한다.
또 사용자의 말에 빠르게 반응하는 음성 대화 기능과, 복잡한 요청을 처리하는 추론 기능을 분리해 설계됐다. 이를 통해 자연스러운 대화 흐름을 유지하면서도 깊이 있는 답변과 도구 활용이 필요한 요청까지 처리할 수 있다. 예를 들어 사용자가 추가 정보가 필요한 질문을 하거나 시간이 걸리는 작업을 요청하면 해당 모델이 반영된 챗GPT 보이스가 대화를 계속 이어가면서 작업 결과가 준비되는 대로 현재 대화 흐름에 맞게 반영할 수 있다.
챗GPT 보이스는 실시간 통역 경험도 한층 자연스럽게 지원한다. 기존에는 사용자의 발화가 끝난 뒤 순차적으로 번역하는 방식에 가까웠다면, 이번 업데이트를 통해 사용자의 음성을 계속 듣고 처리하면서 대화 흐름에 맞춰 바로 통역할 수 있게 됐다. 말이 끝나기를 기다렸다가 통역하는 과정이 줄어들면서, 서로 다른 언어를 사용하는 사용자들이 회의, 여행, 교육, 고객 응대 등 다양한 상황에서 보다 자연스럽게 대화할 수 있을 것으로 기대된다.
오픈AI는 GPT 라이브 모델이 음성 AI의 자연스러움과 지능을 함께 발전시키는 중요한 단계라고 보고 있다. 이번 GPT 라이브 아키텍처는 향후 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 계획이다.