gpt-live-1.1, 다국어 음성 대화서 발음·받아쓰기 개선…오픈AI Live API 업데이트

오픈AI가 실시간 음성 대화 모델 'gpt-live-1.1'을 API에 추가했다. 오픈AI가 개발자 문서에 공개하는 'OpenAI API 공식 변경 이력'에는 11월 19일자로 gpt-live-1.1 관련 항목 1건이 새로 올라왔다. 변경 이력은 GPT-Live-1.1이 여러 언어를 쓰는 음성 대화에서 발음, 억양 일관성, 전사(받아쓰기) 성능을 개선했다고 설명한다. 이 모델은 실시간 음성 세션용 엔드포인트인 v1/live/sessions에서 쓸 수 있다.
변경 이력의 내용은 세 가지로 나뉜다. 첫째는 모델 자체의 성능 개선이고, 둘째는 개발자가 새 모델을 적용하는 방법이다. 오픈AI는 기존 Live 세션 설정에서 gpt-live-1.1을 지정하면 된다고 밝혔다. 이때 어떤 경우에 작업을 개발자의 백엔드로 넘길지를 평이한 말로 적어 두면 된다. 셋째는 '스탠바이(standby)' 설정이다. GPT-Live-1과 GPT-Live-1.1의 WebRTC 세션에서 스탠바이를 켜면 대화가 없는 동안 모델이 추론을 멈추고, 누군가 다시 말하면 추론을 재개한다.
버전 번호와 스탠바이 적용 대상을 보면 이번 항목은 기존 GPT-Live-1을 바탕으로 한 개선판 성격이다. 스탠바이 설정이 새 모델뿐 아니라 이전 모델인 GPT-Live-1의 WebRTC 세션에도 적용된다는 점이 이를 보여준다. 기존 Live 세션 구성을 그대로 두고 모델만 바꿔 쓸 수 있도록 안내한 것도 같은 맥락이다. 이미 GPT-Live-1으로 음성 서비스를 만든 개발자는 구조를 크게 바꾸지 않고 새 모델로 옮길 수 있다.
개선된 항목은 모두 다국어 음성 대화에 맞춰져 있다. 발음은 모델이 내는 음성이 각 언어에서 얼마나 정확하게 들리는지와 관련된다. 억양 일관성은 대화 도중 모델 목소리의 말투가 흔들리지 않고 일정하게 유지되는지에 관한 것이다. 전사는 사용자가 한 말을 텍스트로 옮기는 기능으로, 음성 대화 내용을 기록하거나 후속 처리에 넘길 때 바탕이 된다. 한 대화 안에서 두 개 이상의 언어가 오가는 서비스라면 이 세 요소가 대화 품질에 직접 영향을 준다. 한국어를 포함한 여러 언어로 음성 서비스를 운영하는 개발자들이 눈여겨볼 대목이다.
백엔드 위임 방식도 눈에 띈다. 음성 모델이 모든 요청을 직접 처리하지 않고, 특정 조건에서 개발자가 운영하는 서버 쪽 시스템으로 작업을 넘기는 구조다. 오픈AI는 이 조건을 별도의 복잡한 규칙 대신 '평이한 말(plain language)'로 설명하면 된다고 안내했다. 어느 순간에 백엔드가 개입해야 하는지를 자연어 문장으로 정할 수 있다는 의미다.
스탠바이 설정은 WebRTC 세션에 적용된다. WebRTC는 브라우저와 앱에서 음성·영상을 실시간으로 주고받을 때 널리 쓰이는 통신 기술이다. 음성 비서나 상담 서비스처럼 세션은 연결돼 있지만 사용자가 말하지 않는 시간이 긴 경우가 많은데, 스탠바이를 켜면 이런 침묵 구간에는 모델이 추론을 멈춘다. 그러다 사람의 말소리가 들리면 다시 대화를 이어간다. 개발자는 세션이 활성 상태인지 비활성 상태인지에 따라 모델 동작을 나눠 관리할 수 있다.
이번 변경 이력은 11월 19일자 단일 항목이다. 이 항목에는 새 모델 공개, 기존 세션에서의 적용 방법, 두 세대 모델에 걸친 스탠바이 설정이 함께 담겼다.



