자연스러운 인간-AI 상호작용, GPT-Live 출시

GPT-Live 출시: 자연스러운 인간-AI 상호작용

OpenAI는 인간과의 대화가 더욱 자연스럽게 느껴지도록 하는 새로운 세대의 음성 모델인 GPT-Live를 출시했습니다. 이 모델은 풀 듀플렉스 아키텍처를 기반으로 하여, 동시에 듣고 말할 수 있습니다. 대화 중에 GPT-Live는 "음" 또는 "그래"와 같은 표현으로 주의를 기울이고 있음을 보여주거나, 빠른 대화를 주고받거나, 사용자가 생각할 시간을 필요로 할 때 조용히 있을 수 있습니다. 결과적으로, 대화하기 쉬운 음성 경험을 제공합니다.

GPT-Live는 또한 지금까지 가장 스마트한 음성 모델입니다. 웹 검색, 깊은 추론 또는 더 복잡한 작업이 필요한 질문에 대해서는 최신 프론티어 모델에 위임하여 결과를 대화에 다시 가져옵니다. 대화의 흐름을 유지하면서 GPT-Live는 계속해서 사용자와 대화할 수 있습니다. 초기에는 GPT-5.5를 백그라운드에서 사용하며, 새로운 프론티어 모델이 출시되면 지속적으로 업데이트할 예정입니다.

이러한 발전은 더 지능적이고 자연스러운 ChatGPT 음성 경험을 가능하게 합니다. 시간이 지나면서, 이 연구는 점점 더 복잡하고 장기적인 작업에 음성을 사용할 수 있는 능력을 열어줄 것입니다.

GPT-Live의 두 가지 버전

오늘부터 전 세계 ChatGPT 사용자에게 GPT-Live-1과 GPT-Live-1 mini 두 가지 버전을 출시합니다. 곧 API에도 도입할 계획이며, 개발자와 기업은 양식을 통해 알림을 받을 수 있습니다.

우리의 비전은 AI와의 상호작용이 마치 다른 사람과 일하는 것처럼 유연하고 반응적이면서도, 추론과 복잡한 작업 실행이 자연스럽게 이루어지는 세상을 만드는 것입니다.

이전 세대의 음성 AI 시스템은 이러한 비전에 더 가까워졌지만, 중요한 트레이드오프가 있었습니다.

기존 음성 시스템의 한계

기존의 계단식 음성 시스템은 각 턴을 처리하기 위해 일련의 모델이 순차적으로 작동했습니다. 원래의 ChatGPT Voice는 세 가지 모델을 연결했습니다: 사용자의 말을 텍스트로 변환하는 음성 인식 모델, 응답을 생성하는 대형 언어 모델, 이를 다시 음성으로 변환하는 텍스트-음성 변환 모델입니다. 이 접근 방식은 처음으로 프론티어 AI 모델과 대화할 수 있게 했지만, 복잡성 때문에 정보가 모델 간에 손실될 수 있었고, 응답이 느리고 부자연스러웠습니다.

턴 기반 음성 모델의 한계

턴 기반 음성 모델은 대화가 매끄럽지만 여전히 불연속적인 턴을 통해 작동했습니다. 모델은 사용자가 말을 멈출 때까지 기다려야 했기 때문에 대화가 딱딱하게 느껴졌습니다. 또한, 턴 감지는 침묵에 기반하므로 짧은 멈춤이나 배경 소음도 턴의 끝으로 오인될 수 있었습니다.

GPT-Live의 혁신

GPT-Live는 이러한 한계를 두 가지 아키텍처 변경을 통해 해결합니다.

연속 상호작용을 위한 풀 듀플렉스 아키텍처: GPT-Live는 별도의 메시지 시퀀스를 처리하는 대신 입력을 지속적으로 처리하면서 출력을 생성합니다. 모델은 초당 여러 번 상호작용 결정을 내릴 수 있습니다: 말할지, 계속 들을지, 멈출지, 중단할지, 도구를 호출할지 등. 이를 통해 모델은 더 자연스러운 대화를 유지하고, 시간 감각을 개선하며, 실시간 번역까지 수행할 수 있습니다.
깊은 작업을 위한 위임: GPT-Live는 연속 상호작용을 처리하는 것과 더 깊은 작업을 분리했습니다. 검색, 추론 또는 더 많은 에이전트 기능이 필요한 질문에 대해 GPT-Live는 GPT-5.5와 같은 다른 모델에 작업을 위임할 수 있습니다. 이를 통해 대화를 계속하면서도 백그라운드에서 여러 작업을 처리할 수 있습니다.

이러한 아키텍처 변경은 GPT-Live가 최신 모델과 에이전트를 지속적으로 사용할 수 있도록 하여, 프론티어 지능과 자연스러운 상호작용을 결합합니다.

인간 평가 및 안전성

우리는 대화의 즐거움과 흐름을 측정하기 위해 새로운 인간 평가를 구축했습니다. 이러한 비교에서 GPT-Live-1과 GPT-Live-1 mini는 Advanced Voice Mode보다 강하게 선호되었습니다.

GPQA: GPT-Live-1은 생물학, 화학, 물리학 전반에 걸친 전문가 수준의 과학적 추론을 테스트하는 GPQA에서 Advanced Voice Mode를 크게 능가합니다.
BrowseComp: GPT-Live-1은 에이전트 웹 검색 및 찾기 어려운 정보를 찾는 능력을 테스트하는 BrowseComp에서 강력한 성과를 보입니다.
τ³-Voice Telecom: GPT-Live-1은 현실적인 다중 턴 통신 지원 작업을 테스트하는 τ³-Voice Telecom에서 Advanced Voice Mode를 능가합니다.

GPT-Live는 대화에 최적화되어 있으며, 음성 모방을 위한 것이 아닙니다. ChatGPT에서 미리 정의된 음성을 사용하며, 실제 사람의 목소리를 모방하지 않도록 설계되었습니다.

글로벌 출시 및 언어 지원

GPT-Live는 현재 iOS, Android 및 ChatGPT.com에서 전 세계 ChatGPT 사용자에게 출시되고 있습니다. GPT-Live-1은 Go, Plus, Pro 사용자에게 ChatGPT Voice의 기본 모델이 되며, GPT-Live-1 mini는 무료 사용자에게 기본 모델이 됩니다.

우리는 ChatGPT에서 가장 인기 있는 언어에 대해 GPT-Live를 최적화했습니다. 특정 언어의 경우, 모델이 비원어민 억양을 가질 수 있으며 유창성에 간격이 있을 수 있습니다. 우리는 언어 전반에서 경험을 개선하기 위해 적극적으로 노력하고 있습니다.

출시 시점에 GPT-Live는 ChatGPT에서 비디오 또는 화면 공유와 함께 음성을 지원하지 않지만, 곧 이러한 기능을 도입할 예정입니다. 여전히 Standard 및 Advanced Voice Mode와 같은 ChatGPT Voice의 이전 버전에 액세스할 수 있습니다.