왜 지금 주목해야 하는가
ChatGPT 음성 기능을 주당 1억 5000만 명 이상이 이용한다. 지금까지는 사용자가 말을 마쳐야 AI가 응답을 시작하는 '턴 기반(half-duplex)' 방식이었다. GPT-Live는 이 구조를 뿌리째 바꿔, 사람이 말하는 도중에도 AI가 듣고·생각하고·이미 말을 시작할 수 있는 풀 듀플렉스(full-duplex) 모델로 전환했다.
기술 구조 — 위임(delegation) 아키텍처
GPT-Live의 핵심 설계 원리는 모듈화다. 음성 레이어(GPT-Live-1)는 대화의 흐름을 유지하면서, 복잡한 추론이나 웹 검색이 필요한 순간에는 GPT-5.5 같은 최신 텍스트 모델에 태스크를 위임하고 결과가 오면 다시 음성으로 이어 말한다. 사용자 입장에서는 "AI가 생각하는 동안 발생하던 침묵"이 사라지는 효과다.
OpenAI 리서치 리드 Kundan Kumar는 "GPT-Live-1은 회사 역사상 가장 똑똑한 음성 모델"이라고 밝혔다.
주요 신기능
1. 실시간 번역 — 사용자가 말하는 도중 동시에 번역이 진행된다. 기존에는 문장이 끝나야 번역이 시작됐다.
2. AI 시각 응답 — 날씨·주가·스포츠 스코어 등 맥락에 맞는 시각 정보를 AI가 자동으로 화면에 표시한다.
3. 침묵 대기 기능 — "조용히 있어"라고 하면 GPT-Live가 말을 멈추고 맥락을 계속 흡수한다. 발표 현장에서 30~40분짜리 산책 대화도 시연됐다.
4. 배경 소음 필터링 — 주변 잡음 속에서도 사용자의 목소리에 집중한다.
5. 추론 단계 선택 — Instant(빠른 답변) / Medium / High 세 가지 추론 레벨을 사용자가 직접 선택할 수 있다.
경쟁 구도
| 서비스 | 회사 | 풀 듀플렉스 | 영상·화면 공유 | 특이점 |
|---|---|---|---|---|
| GPT-Live-1 | OpenAI | ✅ | ❌ (미지원) | GPT-5.5 위임 추론 |
| Gemini Live | ✅ | ✅ | 카메라·화면 공유 지원 | |
| Seeduplex | ByteDance | ✅ | — | 오류 응답 50% 감소 주장 |
| PersonaPlex | Nvidia | ✅ | — | 다중 커스텀 목소리 |
Google의 Gemini Live가 이미 영상·화면 공유까지 지원하는 상황에서 GPT-Live는 아직 해당 기능이 없다. OpenAI는 이를 향후 추가 예정이라고 밝혔다.
안전 및 안전장치
OpenAI는 강화된 안전 지표를 공개했다. 자해 관련 안전 점수가 기존 0.72에서 0.98로, 불법 행위 점수가 0.63에서 0.97로 크게 올랐다. 청소년에게는 연령 적합 응답을 제공하고, 자해 대화 시 전문 위기 상담 리소스를 안내한다. 다만 '감정 지원' 항목에서는 소폭 퇴보가 관측됐다.
핵심 포인트 요약
- GPT-Live-1 / mini, iOS·Android·웹에서 즉시 롤아웃 시작 (2026년 7월 8일)
- 풀 듀플렉스로 말하는 동중 듣기·번역·시각 응답 가능
- 복잡 추론은 GPT-5.5에 위임하는 모듈 설계 — 음성 모델 자체 재학습 없이 LLM 업그레이드 가능
- API 당일 미제공, 개발자는 웨이팅 리스트 등록 필요
- Google Gemini Live 대비 영상·화면 공유 미지원이 단기 약점
전망
OpenAI는 "장기적으로 음성을 통해 복잡하고 장기간 실행되는 에이전트 작업도 처리할 수 있게 하겠다"고 밝혔다. 단순 질답을 넘어 음성이 AI 에이전트의 주요 인터페이스로 자리 잡는 구조가 눈앞에 왔다. ChatGPT Voice가 '텍스트 챗봇에 붙은 편의 기능'에서 독립적인 상호작용 레이어로 진화하는 분기점이 2026년 7월이 될 것으로 보인다.