구글, 제미나이 라이브에 도전장
오픈AI 로고 / 이미지 = 오픈AI
[시사저널e=송주영 기자] 오픈AI가 7일(현지시각) GPT-5급 추론 능력을 갖춘 실시간 음성 모델 ‘GPT-리얼타임-2’를 공개했다. 새 모델은 말을 끊거나 앞서 한 말을 중간에 정정해도 대화가 이어진다. 오픈AI는 실시간 번역 모델 ‘GPT-리얼타임-트랜슬레이트’, 실시간 받아쓰기 모델 ‘GPT-리얼타임-위스퍼’도 함께 출시했다.
그렉 브록만 오픈AI 공동창업자는 X(구 트위터)에 음성 모델을 소개하며 “음성 에이전트가 이제 실시간 협력자가 됐다”고 강조했다.
GPT-리얼타임-2는 GPT-5에 준하는 추론 능력을 갖춘 첫 번째 음성 전용 모델이다. 끊김 없는 대화가 가능해 지금까지 AI 음성 어시스턴트가 이용자와 AI가 번갈아 말하는 ‘턴 방식’으로 작동한 것과 차별화됐다.
새 모델은 이용자가 AI의 답변 도중 말을 끊거나 직전 발화 내용을 수정해도 흐름을 파악하고 대화를 이어간다. 실시간으로 오류를 수정하며 상황에 맞는 방식으로 응답한다. 사람이 대화하는 방식을 AI로 구현했다.
오픈AI는 GPT-리얼타임-2와 함께 특화 모델인 GPT-리얼타임-트랜슬레이트와 GPT-리얼타임-위스퍼도 공개했다. GPT-리얼타임-트랜슬레이트는 70개 이상 언어를 이해하며 13개 언어로 실시간 번역한다. 말하는 속도에 맞춰 동시 번역이 가능하며 사투리나 전문 용어가 섞인 발화도 맥락을 유지한다.
IT매체 인터레스팅엔지니어링에 따르면 독일 도이체텔레콤은 GPT-리얼타임-트랜슬레이트를 도입해 실시간 AI 통역 서비스 모델을 구축중이다. 영상 플랫폼 비메오도 다국어 음성 재생 기능에 이 기술을 적용한다.
함께 선보인 GPT-리얼타임-위스퍼는 사람이 말하는 동안 실시간으로 문자를 생성하는 스트리밍 음성-텍스트 변환 모델이다.
오픈AI는 이번 모델 공개와 함께 가격 정책도 공개했다. GPT-리얼타임-2의 이용 요금은 오디오 입력 토큰 100만개당 32달러(4만7030원), 출력 토큰 100만개당 64달러(9만4060원)다. 캐시 적용 입력 토큰은 100만개당 0.4달러(588원)다. 번역 모델 GPT-리얼타임-트랜슬레이트는 분당 0.034달러(50원), 받아쓰기 모델 GPT-리얼타임-위스퍼는 분당 0.017달러(25원)로 책정됐다.
오픈AI는 이번 신모델의 주요 활용 분야로 서비스, 교육, 미디어, 이벤트, 콘텐츠 크리에이터 플랫폼 등을 제시했다.
GPT-리얼타임-2 출시로 음성 AI 시장 경쟁이 치열해질 전망이다. 이 시장에서는 구글이 지난 3월 제미나이 3.1 플래시 라이브를 출시하며 음성 AI 시장에서의 존재감을 키웠다. 제미나이 라이브는 텍스트, 이미지, 영상, 음성을 동시에 처리하는 네이티브 멀티모달 구조를 앞세워 시장을 공략하고 있다.
별도의 STT(음성→텍스트)나 TTS(텍스트→음성) 변환 과정 없이 오디오가 모델에 직접 입출력되는 방식으로 응답 속도에서 강점을 보였다. 여기에 구글 검색, 지메일, 구글 독스 등과의 연동을 통해 수십억 명의 기존 이용자를 기반으로 시장을 확대하고 있다.
IT업계 관계자는 “GPT-리얼타임-2는 AI가 사람처럼 대화하고 생각하는 형태로 진화했음을 보여준다”며 “음성이 AI의 주 인터페이스가 되는 시대는 이미 시작됐고 누가 그 표준을 먼저 선점하느냐의 싸움이 될 것"이라고 전망했다.
댓글
0