GPT‑Live 소개

AI와 실제 사람처럼 자연스럽게 대화할 수 있도록 설계된 차세대 음성 모델 GPT‑Live를 출시합니다.

GPT‑Live는 듣기와 말하기를 동시에 수행하는 풀 듀플렉스 아키텍처를 기반으로 합니다. 대화 중에는 "음", "네"처럼 자연스럽게 반응하며 사용자의 말을 잘 듣고 있다는 것을 보여주고, 빠르게 대화를 주고받거나, 사용자가 잠시 생각을 정리할 시간이 필요할 때는 조용히 기다려 줍니다. 그 결과 실제 사람과 이야기하는 것처럼 편안하고 자연스러운 음성 대화를 경험할 수 있습니다.

GPT‑Live는 지금까지 선보인 음성 모델 가운데 가장 뛰어난 모델이기도 합니다. 웹 검색이 필요하거나, 더 깊은 추론 또는 복잡한 작업이 필요한 경우에는 백그라운드에서 최신 프런티어 모델에 작업을 맡기고, 결과가 준비되면 다시 대화에 반영합니다. 그 과정에서도 GPT‑Live는 사용자와 계속 대화를 이어가며 자연스러운 흐름을 유지합니다. 출시 시점에는 백그라운드에서 GPT‑5.5를 사용하며, 앞으로 새로운 프런티어 모델이 출시되면 GPT‑Live에 사용되는 모델도 지속적으로 업데이트할 예정입니다.

이러한 발전을 바탕으로 ChatGPT 음성 대화는 더욱 똑똑하고 자연스러운 경험을 제공합니다. 앞으로는 이 연구를 통해 음성으로도 더 복잡한 작업과 더 오랜 시간이 걸리는 작업은 물론, 더욱 에이전틱한 작업까지 수행할 수 있게 될 것으로 기대합니다.

오늘부터 GPT‑Live‑1과 GPT‑Live‑1 mini, 두 가지 버전의 GPT‑Live를 전 세계 ChatGPT 사용자에게 순차적으로 제공하기 시작합니다. API도 곧 지원할 예정이며, 개발자와 기업은 이 양식⁠을 통해 출시 알림을 신청할 수 있습니다.

OpenAI가 그리는 미래는 사람과 AI가 정말 자연스럽게 소통하는 세상입니다. AI와 함께 일하는 경험이 사람과 협업하는 것만큼 자연스럽고 즉각적으로 느껴지고, 추론과 복잡한 작업은 백그라운드에서 끊김 없이 처리되는 세상을 만들고자 합니다.

기존의 음성 AI 시스템도 이러한 비전에 한 걸음 더 다가가는 데 기여했지만, 그 과정에서 감수해야 하는 중요한 한계도 있었습니다.

계단식 음성 시스템은 여러 모델이 차례대로 작동하며 대화의 각 턴을 처리하는 방식입니다. 초기 ChatGPT 음성 대화는 음성을 텍스트로 변환하는 음성 인식 모델, 응답을 생성하는 대규모 언어 모델, 그리고 다시 음성으로 변환하는 텍스트 음성 변환 모델, 이렇게 세 가지 모델을 연결해 사용했습니다. 이 방식은 처음으로 프런티어 AI 모델과 음성으로 대화할 수 있게 해주었지만, 구조가 복잡한 만큼 모델 간에 정보가 손실될 수 있었고 응답도 느리고 부자연스러웠습니다.

ChatGPT 고급 음성 모드와 같은 턴 기반 음성 모델은 하나의 모델 안에서 음성을 처리하고 생성해 지연 시간을 줄이고 대화를 더욱 자연스럽게 만들었습니다. 하지만 여전히 대화를 턴 단위로 처리해야 했습니다. 모델은 사용자가 말을 마칠 때까지 기다렸다가 응답해야 했기 때문에 대화가 다소 경직될 수 있었습니다. 또한 턴 전환을 침묵을 기준으로 판단하기 때문에 잠깐의 멈춤이나 주변 소음도 대화가 끝난 것으로 잘못 인식해 부자연스러운 순간에 끼어드는 경우가 있었습니다.

GPT‑Live는 두 가지 아키텍처 개선을 통해 이러한 한계를 해결했습니다.

첫째, GPT‑Live는 풀 듀플렉스 아키텍처를 기반으로 끊김 없이 상호작용할 수 있도록 설계되었습니다. 여러 개의 메시지를 순차적으로 처리하는 대신, 응답을 생성하는 동시에 사용자의 입력을 계속 처리합니다. 덕분에 모델은 초당 여러 번 말할지, 계속 들을지, 잠시 멈출지, 끼어들지, 또는 툴을 사용할지를 실시간으로 판단할 수 있습니다.

그 결과 훨씬 자연스럽게 대화를 주고받을 수 있고, 대화의 흐름을 더 잘 파악하며, 실시간 통역도 수행할 수 있습니다.

둘째, 끊김 없는 상호작용을 담당하는 GPT‑Live와 복잡한 작업을 분리했습니다. 검색, 추론 또는 더 높은 수준의 에이전틱 기능이 필요한 질문은 GPT‑Live가 GPT‑5.5와 같은 다른 모델에 맡길 수 있습니다. 그동안 백그라운드에서 여러 작업을 처리하면서도 사용자와의 대화는 자연스럽게 이어갈 수 있습니다.

이러한 아키텍처 변화 덕분에 GPT‑Live는 최신 모델과 에이전트를 지속적으로 활용하면서도, 프런티어 AI의 성능과 자연스러운 상호작용을 함께 제공합니다.

대화의 쾌적함과 흐름을 평가하기 위해 새로운 사용자 평가를 마련했습니다. 동일한 조건에서 5~10분 동안 진행한 비교 평가에서는 전반적인 선호도, 턴 주고받기, 끼어들기, 대화의 흐름, 그리고 상호작용이 얼마나 자연스럽게 느껴졌는지를 기준으로 GPT‑Live‑1과 GPT‑Live‑1 mini가 고급 음성 모드보다 더 높은 평가를 받았습니다.

• GPQA: GPT‑Live‑1은 생물학, 화학, 물리학 분야의 전문가 수준 과학 추론 능력을 평가하는 GPQA에서 고급 음성 모드보다 훨씬 뛰어난 성능을 보였습니다.
• BrowseComp: GPT‑Live‑1은 에이전틱 웹 검색과 찾기 어려운 정보를 찾아내는 능력을 평가하는 BrowseComp에서 고급 음성 모드보다 크게 향상된 성능을 보였습니다.
• τ³-Voice Telecom**: GPT‑Live‑1은 실제 통신 지원 환경의 다중 턴 작업에서 음성 에이전트의 성능을 평가하는 τ³-Voice Telecom에서 고급 음성 모드보다 뛰어난 성능을 보였습니다.

매주 1억 5천만 명이 넘는 사람들이 음성 대화와 Dictation 같은 기능을 사용해 ChatGPT와 대화합니다. 손을 쓰지 않고 일상적인 도움을 받거나, 외국어를 연습하고, 잠자리 이야기를 들려달라고 하거나, 출퇴근길에 가볍게 대화를 나누는 등 다양한 방식으로 활용하고 있습니다.

오늘부터 음성 대화 버튼을 눌러 ChatGPT와 대화를 시작하면 GPT‑Live 기반의 새로운 음성 대화를 경험할 수 있습니다. 더 자연스러운 대화, 더 똑똑한 답변, 더 뛰어난 음성 이해, 그리고 시각적 응답을 제공합니다.

이제 ChatGPT와 나누는 대화는 실제 사람과 이야기하는 것처럼 훨씬 더 자연스럽게 느껴집니다. 대화 도중 질문을 던져도 되고, 잠시 생각을 정리한 뒤 말을 이어가도 되며, ChatGPT에게 천천히 말해 달라고 요청할 수도 있습니다. ChatGPT는 "음", "알겠어요"처럼 자연스럽게 반응하며 사용자의 말을 잘 따라오고 있다는 것을 알려줍니다. 또한 GPT‑Live에 맞춰 ChatGPT의 9가지 음성을 새롭게 다듬었습니다.

이제 ChatGPT 음성 대화는 최신 프런티어 모델을 활용해 필요할 때 더 똑똑한 답변을 제공합니다. 또한 상황에 맞게 추론 수준을 선택할 수도 있습니다. 빠른 응답이 필요하다면 Instant를, 더 깊이 생각한 답변이 필요하다면 Medium 또는 High를 선택하면 됩니다.

잠시 생각을 정리하느라 말을 멈추면 ChatGPT는 끼어들지 않고 기다립니다. 조용히 듣기만 해 달라고 하면 그대로 따라줍니다. 또한 지나가는 차량 소리나 주변 사람들의 대화처럼 배경 소음이 있더라도 다른 소리에 방해받지 않고 사용자의 목소리에 더욱 집중합니다.

눈으로 함께 확인하면 더 이해하기 쉬운 답변도 있습니다. 이제 ChatGPT는 대화 중에도 날씨, 주식, 스포츠 등 다양한 주제의 풍부한 시각적 카드를 보여줄 수 있습니다. 또한 음성 대화에서는 검색, 메모리, 이미지, 파일 업로드 기능도 계속 사용할 수 있습니다.

그 결과 ChatGPT 음성 대화는 더욱 자연스럽고, 더 많은 일을 할 수 있으며, 일상에서 한층 더 유용한 경험을 제공합니다.

GPT‑Live는 기본적으로 안전하게 사용할 수 있도록 설계되었습니다. 최신 모델의 안전성 개선을 바탕으로, 주요 위험 영역에 대한 전용 안전성 학습과 음성 대화에 특화된 새로운 보호 장치를 더했습니다.

사람들이 실제 환경에서 음성 대화를 사용하는 방식을 더 잘 반영하기 위해 새로운 음성 중심 평가를 추가해 안전성 테스트를 확대했습니다. 또한 고급 음성 모드를 통해 얻은 경험을 바탕으로, 생성된 음성을 활용한 합성 평가도 마련해 주요 안전성 영역을 더욱 집중적으로 평가했습니다. 여기에는 자해, 정신병 및 조증, AI에 대한 정서적 의존, 폭력, 성적 콘텐츠가 포함됩니다. 또한 내부 전문가들이 음성 대화에서만 발생할 수 있는 위험을 중심으로 레드팀 테스트를 수행했습니다.

테스트 결과, GPT‑Live는 평가한 거의 모든 항목에서 고급 음성 모드와 비슷하거나 더 뛰어난 성능을 보였습니다. 테스트와 보호 장치에 대한 자세한 내용은 GPT‑Live 시스템 카드⁠(새 창에서 열기)에서 확인할 수 있습니다.

음성 대화는 실시간으로 이루어지기 때문에 모델이 말하는 중에도 작동하는 보호 장치를 마련했습니다. 시스템이 잠재적으로 안전하지 않은 응답을 감지하면 더 안전한 방향으로 응답을 유도하거나, 추가적인 안전 안내나 지원 정보를 제공하며, 위험도가 높은 경우에는 음성 대화를 종료할 수 있습니다. 자해와 관련된 대화의 경우에는 전문가의 검토를 거친 위기 상담 핫라인을 안내하는 등 ChatGPT의 지원 절차를 음성 대화에 맞게 적용했습니다.

청소년 사용자를 보호하기 위한 추가 보호 기능도 마련했으며, 연령에 적합한 방식으로 응답하도록 모델을 학습시켜 부적절한 응답이 발생할 가능성을 줄였습니다. 부모는 자녀 보호 기능을 통해 자녀의 ChatGPT 음성 대화 사용 여부를 설정할 수 있으며, 자해나 자살 의도가 의심되는 위험도가 높은 상황에서는 연결된 부모에게 알림이 전달될 수 있습니다.

또한 AI에 대한 정서적 의존에 초점을 맞춘 장기적인 측정과 출시 후 모니터링을 도입해, 사용 양상에 대한 이해를 높이고 보호 장치를 지속적으로 개선해 나가고 있습니다. 정서적 활용과 정서적 웰빙에 관한 기존 연구를 바탕으로, 새로운 사용 패턴을 파악하고 정서적으로 민감한 상황에서 시스템이 더욱 적절하게 대응할 수 있도록 개선해 나갈 것입니다.

GPT‑Live는 다른 사람의 목소리를 흉내 내기 위한 것이 아니라 자연스러운 대화를 위해 설계되었습니다. ChatGPT에서 제공하는 미리 정의된 음성을 사용하며, 실제 사람의 목소리를 모방하지 못하도록 보호 장치도 적용되어 있습니다.

앞으로도 사용자의 안전과 웰빙을 최우선으로 생각하며, 실제 사용 과정에서 얻은 경험을 바탕으로 이러한 보호 장치를 계속 강화해 나가겠습니다.

GPT‑Live는 현재 iOS, Android, ChatGPT.com⁠(새 창에서 열기)에서 전 세계 ChatGPT 사용자에게 순차적으로 제공되고 있습니다. Go, Plus, Pro 사용자의 ChatGPT 음성 대화에는 GPT‑Live‑1이 기본 모델로 적용되며, Free 사용자는 GPT‑Live‑1 mini가 기본 모델로 사용됩니다. 제공 여부에 대한 자세한 정보는 도움말 센터⁠(새 창에서 열기)에서 확인할 수 있습니다.

GPT‑Live는 ChatGPT에서 가장 많이 사용되는 일부 언어에 맞춰 최적화되었습니다. 일부 언어에서는 원어민과 다른 억양이 나타나거나 다소 유창하지 않을 수 있습니다. 모든 언어에서 더 나은 경험을 제공할 수 있도록 지속적으로 개선하고 있습니다.

출시 직후에는 ChatGPT에서 동영상이나 화면 공유와 함께 음성 대화를 사용할 수 없지만, 이러한 기능은 곧 지원될 예정입니다. 그때까지는 해당 기능을 지원하는 기존 ChatGPT 음성 대화 버전(표준 및 고급 음성 모드)을 계속 이용할 수 있습니다.