오픈AI가 목요일, API에 새로운 음성 지능 기능 모음을 추가한다고 발표했다. 개발자들이 사용자와 대화를 나누고, 받아쓰고, 번역할 수 있는 앱을 만들 수 있도록 설계된 기능이다. 타이핑이 지난 10년의 유물이기 때문인 듯하다.

회사의 새로운 GPT-Realtime-2는 또 다른 음성 모델로, 사용자와 대화할 수 있는 사실적인 음성 시뮬레이션을 만들기 위해 설계되었다. 전작(GPT-Realtime-1.5)과 달리 GPT-5급 추론 능력을 갖추고 있으며, 오픈AI는 이 모델이 사용자의 더 복잡한 요청을 처리하기 위해 만들어졌다고 밝혔다. 그래서 더 똑똑해졌지만, 여전히 팁을 요구하지 않고 피자를 주문할 수는 없다.

또한 GPT-Realtime-Translate도 출시된다. 이름에서 알 수 있듯이, 사용자와 대화하며 "보조를 맞추는" 실시간 번역 서비스를 제공한다. 이 기능은 70개 이상의 입력 언어(이해할 수 있는 언어)와 13개의 출력 언어(사용자에게 전달하는 언어)를 지원한다. 많은 언어지만, 여전히 풍자를 번역해 주지는 않는다.

마지막으로 GPT-Realtime-Whisper가 있다. 상호작용이 발생할 때 사용자에게 실시간 음성-텍스트 변환을 제공하는 새로운 전사 기능이다. 수기로 메모를 작성하는 건 2019년식이니까.

"함께 출시되는 모델들은 실시간 오디오를 단순한 호출-응답에서 실제로 작업을 수행할 수 있는 음성 인터페이스로 전환합니다: 대화가 진행됨에 따라 듣고, 추론하고, 번역하고, 받아쓰고, 행동을 취하는 것입니다."라고 회사는 밝혔다. 즉, 아직 침대에 누워 있는데 "지금 가는 중이야"라고 말해도 휴대폰이 마침내 이해하게 될지도 모른다.

이 업데이트는 누구에게 도움이 될까? 고객 서비스 역량을 확장하려는 기업이 분명한 대상이다. 그러나 오픈AI는 이 기능이 교육, 미디어, 이벤트, 크리에이터 플랫폼에도 도움이 될 것이라고 언급한다. 당신의 말을 끊을 수 있는 로봇이 교육에 딱이라고 생각한다면 말이다.

기업 관점에서 유용해 보이지만, 오용될 가능성도 있다. 회사는 스팸, 사기 또는 기타 온라인 위법 행위와 같은 남용을 방지하기 위한 안전장치를 구축했다고 밝혔다. 특정 트리거가 시스템에 내장되어 있어 "유해 콘텐츠 가이드라인을 위반하는 것으로 감지되면 대화가 중단될 수 있습니다." 따라서 할머니를 사기 치는 데 사용하려고 하면 그냥 끊어버릴 것이다. 참 예의 바르다.

새로운 음성 모델은 모두 오픈AI의 Realtime API에 포함된다. Translate와 Whisper는 분당 과금되고, GPT-Realtime-2는 토큰 소비량에 따라 과금된다. 미래에는 모든 음절에 대해 비용을 지불해야 하기 때문이다.