DEV Community

Cover image for GPT-Live는 무엇인가요?
Rihpig
Rihpig

Posted on • Originally published at apidog.com

GPT-Live는 무엇인가요?

OpenAI는 ChatGPT 보이스에 적용되는 차세대 음성 모델인 GPT-Live를 소개했습니다. 핵심 변화는 단순합니다. GPT-Live는 사용자의 말을 듣는 동시에 말할 수 있는 전이중(full-duplex) 음성 모델 제품군입니다.

오늘 Apidog 사용해 보기

기존 ChatGPT 음성 경험(Advanced Voice Mode 포함)은 턴 기반으로 동작했습니다. 사용자가 말하면 모델이 기다린 뒤 응답하는 구조였습니다. GPT-Live는 입력 오디오를 처리하면서 동시에 출력을 생성하고, 초당 여러 번 다음 행동을 결정합니다.

  • 계속 들을지
  • 말을 시작할지
  • 잠시 멈출지
  • 사용자의 말을 끊을지
  • 백그라운드 모델이나 도구에 작업을 위임할지

즉, 사용자가 설명하는 중간에 “음음”처럼 반응하거나, 사용자가 생각하는 동안 기다리거나, 사용자가 문장 중간에 말을 끊어도 자연스럽게 대화를 이어갈 수 있습니다.

GPT-Live 한눈에 보기

항목 세부 정보
발표일 2026년 7월 8일
정의 ChatGPT 보이스에 적용되는 전이중 음성 모델 제품군
변형 모델 GPT-Live-1, GPT-Live-1 mini, GPT-Live-1 Medium, GPT-Live-1 High
백엔드 GPT-5.5 Instant(1 및 mini), GPT-5.5 Thinking(Medium 및 High)
유료 구독자(Go/Plus/Pro) 기본 설정 GPT-Live-1
무료 사용자 기본 설정 GPT-Live-1 mini
플랫폼 iOS, Android, chatgpt.com
비디오 / 화면 공유 출시 시점에는 미지원, 추후 도입 예정
API 아직 미제공, OpenAI는 “곧” API에 적용할 계획

GPT-Live 모델 선택 기준

GPT-Live는 단일 모델이 아니라 제품군입니다. OpenAI에 따르면 GPT-Live-1과 GPT-Live-1 mini는 백그라운드에서 GPT-5.5 Instant를 사용하고, GPT-Live-1 Medium과 GPT-Live-1 High는 GPT-5.5 Thinking을 사용합니다.

따라서 음성 레이어는 GPT-Live가 담당하고, 더 깊은 추론은 GPT-5.5가 처리하는 구조로 이해하면 됩니다.

실제 사용 기준은 다음과 같습니다.

  • GPT-Live-1: Go, Plus, Pro 구독자의 기본 음성 모델입니다. 일반적인 대화, 설명, 질의응답에 적합합니다.
  • GPT-Live-1 mini: 무료 사용자에게 제공되는 기본 모델입니다. 전이중 대화 경험을 더 가볍게 제공합니다.
  • GPT-Live-1 Medium / High: 더 깊은 추론이 필요한 작업에 적합합니다. 응답 속도보다 추론 품질이 중요한 상황에서 의미가 있습니다.

개발자 관점에서는 다음처럼 나눠 생각할 수 있습니다.

짧은 음성 질의응답        → GPT-Live-1 또는 mini
복잡한 문제 해결          → GPT-Live-1 Medium 또는 High
실시간 안내/상담형 UX      → GPT-Live-1
깊은 분석이 필요한 음성 UX → GPT-Live-1 High
Enter fullscreen mode Exit fullscreen mode

핵심 아키텍처: 전이중 + 위임

GPT-Live의 중요한 설계는 두 가지입니다.

  1. 전이중(full-duplex) 대화
  2. 위임(delegation)

전이중은 사용자가 말하는 동안 모델도 듣고 반응할 수 있게 합니다. 위임은 더 어려운 작업을 GPT-5.5 같은 다른 모델에 넘긴 뒤, 결과가 준비되면 다시 대화에 통합하는 방식입니다.

이 구조는 기존 음성 AI의 문제를 줄입니다.

빠른 모델  → 대화에는 좋지만 깊은 추론이 약함
똑똑한 모델 → 추론은 좋지만 실시간 대화에는 느림
Enter fullscreen mode Exit fullscreen mode

GPT-Live는 이 둘을 분리합니다.

사용자 음성 입력
   ↓
GPT-Live: 실시간 대화 유지, 백채널, 끼어들기 처리
   ↓
필요 시 GPT-5.5에 작업 위임
   ↓
결과가 준비되면 음성 대화에 자연스럽게 재삽입
Enter fullscreen mode Exit fullscreen mode

예를 들어 사용자가 다음처럼 말한다고 가정할 수 있습니다.

“지난 분기 매출 데이터를 기준으로 다음 분기 예측을 설명해줘.
아, 단순 요약 말고 리스크도 같이 봐줘.”
Enter fullscreen mode Exit fullscreen mode

GPT-Live는 대화를 끊지 않고 이어가면서, 더 무거운 분석 작업은 백그라운드 모델에 위임할 수 있습니다. 사용자는 기다리는 동안 대화를 계속할 수 있고, 최종 결과는 준비되는 시점에 자연스럽게 반환됩니다.

GPT-Live가 출시 시점에 지원하는 기능

출시 시점 기준으로 GPT-Live는 다음 기능을 제공합니다.

  • 웹 검색: 질문에 검색이 필요하면 작업을 위임하고 결과를 대화에 다시 통합합니다.
  • 실시간 번역: 음성 대화 중 언어 간 번역을 지원합니다.
  • 시각 카드: 날씨, 주식, 스포츠 같은 정보를 화면에 카드 형태로 표시합니다.
  • 이미지 및 파일 업로드: 음성 대화 안에서 이미지와 파일을 함께 사용할 수 있습니다.
  • 기억 기능: 다른 ChatGPT 경험과 일관된 메모리 기능을 사용합니다.

단, 출시 시점에는 비디오 또는 화면 공유 기반 음성 기능을 지원하지 않습니다. 해당 기능은 Advanced Voice Mode에서 계속 사용할 수 있으며, OpenAI는 GPT-Live에도 추후 도입할 계획이라고 밝혔습니다.

따라서 다음 기준으로 선택하면 됩니다.

음성 중심의 자연스러운 대화가 중요함 → GPT-Live
카메라/화면 공유가 핵심 워크플로우임 → Advanced Voice Mode 유지
Enter fullscreen mode Exit fullscreen mode

자세한 비교는 GPT-Live와 Advanced Voice Mode 비교에서 확인할 수 있습니다.

OpenAI가 공개한 벤치마크 읽는 방법

OpenAI는 GPT-Live를 Advanced Voice Mode와 비교한 세 가지 평가를 언급했습니다.

  • GPQA: 생물학, 화학, 물리학 전반의 전문가 수준 과학 추론에서 GPT-Live-1이 Advanced Voice Mode를 “상당히 능가”한다고 설명했습니다.

GPQA benchmark

  • BrowseComp: 에이전트 기반 웹 검색과 찾기 어려운 정보 검색에서 강한 성능을 보인다고 설명했습니다.

BrowseComp benchmark

  • τ³-Voice Telecom: 현실적인 다중 턴 통신 지원 작업에서 더 나은 성능을 보인다고 설명했습니다.

Tau3 Voice Telecom benchmark

다만 개발자가 주의해서 봐야 할 부분도 있습니다.

공개되지 않은 정보는 다음과 같습니다.

  • 정확한 점수
  • 지연 시간(latency) 수치
  • 가격 정보
  • API 사용량 기준
  • 실제 프로덕션 환경에서의 비용 구조

따라서 이 벤치마크는 “성능 방향성”으로 보는 것이 좋습니다. 실제 제품 선택 기준은 공개 API, 가격, 지연 시간, 동시성, 로깅, 장애 대응 방식이 나온 뒤에 판단해야 합니다. 경쟁 제품과의 비교는 실제 테스트가 가능해진 뒤 비교 자료를 통해 확인하는 것이 안전합니다.

개발자가 지금 할 수 있는 것

현재 GPT-Live API는 제공되지 않습니다. OpenAI는 GPT-Live를 “곧” API에 도입할 계획이라고 밝혔습니다.

즉, 지금 음성 에이전트를 만들려면 GPT-Live API를 기다리는 대신 현재 제공되는 Realtime API 스택을 사용해야 합니다.

현재 사용할 수 있는 구성은 다음과 같습니다.

  • gpt-realtime-2.1 제품군
  • WebSocket 전송
  • WebRTC 전송
  • SIP 기반 전화 통화
  • MCP 서버 지원
  • 일반적으로 사용 가능한 Realtime API

음성 에이전트 프로토타입을 만든다면 구조는 보통 다음과 같습니다.

브라우저 / 모바일 앱
   ↓ WebRTC 또는 WebSocket
음성 백엔드
   ↓
Realtime API
   ↓
도구 호출 / 검색 / 내부 API / MCP 서버
Enter fullscreen mode Exit fullscreen mode

간단한 WebSocket 기반 테스트 흐름은 다음처럼 구성할 수 있습니다.

const ws = new WebSocket("wss://your-realtime-endpoint.example.com");

ws.onopen = () => {
  ws.send(JSON.stringify({
    type: "session.start",
    input_audio_format: "pcm16",
    output_audio_format: "pcm16"
  }));
};

ws.onmessage = (event) => {
  const message = JSON.parse(event.data);

  if (message.type === "response.audio.delta") {
    // 오디오 chunk 재생 처리
  }

  if (message.type === "response.text.delta") {
    console.log(message.delta);
  }

  if (message.type === "error") {
    console.error(message);
  }
};
Enter fullscreen mode Exit fullscreen mode

이때 구현에서 자주 막히는 부분은 모델 호출 자체보다 주변 작업입니다.

  • WebSocket 이벤트 순서 확인
  • 스트리밍 응답 디버깅
  • 오디오 chunk 포맷 검증
  • 도구 호출 payload 검사
  • 클라이언트 없이 백엔드만 먼저 테스트
  • 실제 모델 연결 전 mock 서버 구성

이런 작업에는 Apidog를 사용할 수 있습니다. WebSocket 세션을 테스트하고, 스트리밍 이벤트를 검사하며, 실시간 모델 연결 전에 음성 백엔드를 모킹하는 데 유용합니다.

GPT-Live API 관련 실무 정리는 GPT-Live API가 있나요? 개발자가 오늘 사용할 수 있는 것에서 확인할 수 있고, 명칭 차이는 GPT-Live vs GPT-Realtime을 참고하면 됩니다.

Realtime API로 음성 에이전트 프로토타입 만들기

GPT-Live API가 나오기 전까지는 Realtime API 기반으로 다음 순서로 구현하는 것이 현실적입니다.

1. 대화 이벤트 스키마부터 정의하기

먼저 클라이언트와 백엔드 사이에서 주고받을 이벤트를 고정합니다.

{
  "type": "user.audio.append",
  "audio": "base64-encoded-audio-chunk"
}
Enter fullscreen mode Exit fullscreen mode 
{
  "type": "assistant.audio.delta",
  "audio": "base64-encoded-audio-chunk"
}
Enter fullscreen mode Exit fullscreen mode 
{
  "type": "tool.call",
  "name": "search_docs",
  "arguments": {
    "query": "Realtime API latency handling"
  }
}
Enter fullscreen mode Exit fullscreen mode

이벤트 스키마를 먼저 정하면 프론트엔드, 백엔드, 모델 연결을 병렬로 개발하기 쉽습니다.

2. WebSocket 연결을 먼저 검증하기

모델을 붙이기 전에 WebSocket 연결과 이벤트 흐름부터 테스트합니다.

ws.send(JSON.stringify({
  type: "ping",
  timestamp: Date.now()
}));
Enter fullscreen mode Exit fullscreen mode

서버에서는 다음처럼 응답할 수 있습니다.

ws.send(JSON.stringify({
  type: "pong",
  timestamp: Date.now()
}));
Enter fullscreen mode Exit fullscreen mode

이 단계에서 확인할 것은 다음입니다.

  • 연결 유지 시간
  • 재연결 처리
  • 이벤트 순서
  • 큰 payload 처리
  • 네트워크 끊김 시 복구
  • 인증 토큰 만료 처리

3. 오디오 입출력 포맷을 고정하기

음성 에이전트에서 오디오 포맷 불일치는 흔한 장애 원인입니다.

초기에 다음 값을 명확히 정해두는 것이 좋습니다.

{
  "sample_rate": 24000,
  "encoding": "pcm16",
  "channels": 1
}
Enter fullscreen mode Exit fullscreen mode

클라이언트, 백엔드, 모델 API가 같은 포맷을 사용하도록 맞추고, 변환이 필요하다면 한 지점에서만 처리하세요.

4. 도구 호출을 분리하기

검색, DB 조회, 사내 API 호출은 음성 스트림과 분리하는 것이 좋습니다.

음성 스트림 처리
   ↓
대화 상태 관리
   ↓
도구 호출 라우터
   ↓
검색 / DB / 외부 API
Enter fullscreen mode Exit fullscreen mode

이렇게 분리하면 나중에 GPT-Live API가 공개되더라도 전체 구조를 바꾸지 않고 모델 연결부만 교체할 가능성이 높아집니다.

5. Mock 서버로 프론트엔드 개발을 먼저 진행하기

실제 모델 연결이 늦어져도 프론트엔드 개발은 진행할 수 있습니다.

예를 들어 서버가 다음 이벤트를 일정 간격으로 보내도록 만들 수 있습니다.

{
  "type": "assistant.text.delta",
  "delta": "안녕하세요. 무엇을 도와드릴까요?"
}
Enter fullscreen mode Exit fullscreen mode 
{
  "type": "assistant.audio.delta",
  "audio": "mock-audio-chunk"
}
Enter fullscreen mode Exit fullscreen mode

Apidog 같은 도구를 사용하면 이런 이벤트 기반 API를 문서화하고 테스트하기 쉽습니다.

GPT-Live 사용 방법

GPT-Live는 iOS, Android, chatgpt.com을 통해 전 세계적으로 단계적 출시 중입니다.

사용자는 다음 순서로 확인할 수 있습니다.

  1. ChatGPT 앱을 최신 버전으로 업데이트합니다.
  2. 음성 모드를 엽니다.
  3. 응답하는 음성 모델을 확인합니다.
  4. 유료 사용자는 GPT-Live-1이 기본값으로 적용되는지 확인합니다.
  5. 무료 사용자는 GPT-Live-1 mini가 적용되는지 확인합니다.
  6. 변경 사항이 없다면 아직 계정에 롤아웃되지 않은 상태입니다.

플랜별 기본값은 다음과 같습니다.

무료 사용자          → GPT-Live-1 mini
Go / Plus / Pro 사용자 → GPT-Live-1
Enter fullscreen mode Exit fullscreen mode

단계별 설정, 변형 모델 전환, CarPlay 경로(iOS 26.4 이상)는 GPT-Live 사용 방법에서 확인할 수 있습니다.

이 출시가 중요한 이유

음성은 오랫동안 데모에는 강했지만 실제 제품화에는 어려운 인터페이스였습니다. 가장 큰 이유는 턴 기반 대화였습니다. 사용자가 말하고, 모델이 기다리고, 다시 답하는 방식은 자연스러운 대화보다 무전기 사용에 가까웠습니다.

GPT-Live가 중요한 이유는 다음 두 가지를 기본 구조로 가져왔기 때문입니다.

  • 전이중 대화: 사용자가 말하는 동안에도 모델이 듣고 반응합니다.
  • 위임 구조: 실시간 대화와 깊은 추론을 분리합니다.

개발자 입장에서는 앞으로 음성 에이전트의 기준선이 바뀔 가능성이 큽니다. 단순히 STT → LLM → TTS를 순차 실행하는 구조보다, 대화 상태를 계속 유지하면서 필요한 작업을 백그라운드로 넘기는 구조가 중요해질 수 있습니다.

현재 프로덕션을 준비한다면 다음 방식이 현실적입니다.

지금 구축해야 함 → Realtime API 기반으로 설계
GPT-Live API 대기 가능 → 이벤트 스키마와 음성 UX 먼저 설계
장기적으로 대비 → 모델 연결부를 교체 가능하게 추상화
Enter fullscreen mode Exit fullscreen mode

GPT-Live API가 출시되기 전까지는 Realtime API 경로가 실제 시스템을 구축하는 방법입니다. 지금 음성 에이전트를 만들고 있다면 WebSocket 디버깅, 스트리밍 이벤트 검사, mock 서버 구성을 먼저 안정화하는 것이 좋습니다.

자주 묻는 질문

GPT-Live를 한 문장으로 설명하면?

GPT-Live는 OpenAI의 전이중 음성 모델 제품군으로, ChatGPT 보이스에서 사용자가 말하는 동안 듣고 반응하며, 어려운 작업은 백그라운드에서 GPT-5.5에 위임할 수 있습니다.

GPT-Live는 무료인가요?

무료 사용자에게는 GPT-Live-1 mini가 기본 음성 모델로 제공됩니다. 유료 구독자(Go, Plus, Pro)에게는 GPT-Live-1이 제공됩니다.

GPT-Live는 비디오 또는 화면 공유를 지원하나요?

출시 시점에는 지원하지 않습니다. Advanced Voice Mode는 자격이 되는 구독자를 위해 비디오 및 화면 공유를 계속 지원하며, OpenAI는 해당 기능을 GPT-Live에도 도입할 계획이라고 밝혔습니다.

GPT-Live API가 있나요?

아직 없습니다. OpenAI는 GPT-Live를 “곧” API에 적용할 계획입니다. 현재 개발자는 Realtime API를 사용해 음성 에이전트를 구축할 수 있습니다.

GPT-Live는 어떤 모델로 구동되나요?

GPT-Live-1 및 GPT-Live-1 mini는 GPT-5.5 Instant를 사용합니다. GPT-Live-1 Medium 및 GPT-Live-1 High는 중간 및 높은 추론 노력으로 GPT-5.5 Thinking을 사용합니다.

Top comments (0)