오픈AI 실시간 음성 모델 3종 특징과 가격

오픈AI가 추론, 실시간 번역, 스트리밍 전사 기능을 각각 특화한 신규 실시간 음성 모델 3종을 공개했습니다. 이번에 출시된 모델은 GPT-5급 추론 능력을 갖춘 GPT-Realtime-2와 다국어 통역을 지원하는 GPT-Realtime-Translate, 저지연 음성 인식을 지원하는 GPT-Realtime-Whisper입니다. 개발자는 각기 다른 목적에 맞춰 최적화된 음성 인공지능을 API로 활용할 수 있습니다.

Table of Contents

실시간 대화 지원 모델 3종 개요

오픈AI가 공개한 신규 모델들은 실시간 음성 대화 애플리케이션 개발을 돕기 위해 설계되었습니다. 기존 단일 모델 중심의 접근에서 벗어나 추론, 번역, 전사라는 세 가지 뚜렷한 기능에 맞춰 모델이 세분화되었습니다.

각 모델은 개발 목적과 비용 구조에 따라 다르게 선택할 수 있습니다. 복잡한 명령을 이해하고 대화를 이끌어가는 작업에는 GPT-Realtime-2가 적합하며, 언어 장벽을 낮추는 라이브 통역에는 GPT-Realtime-Translate가 활용됩니다. 단순히 음성을 글자로 빠르게 바꾸는 용도라면 GPT-Realtime-Whisper를 사용하는 구조입니다.

GPT-5급 추론을 수행하는 GPT-Realtime-2

GPT-Realtime-2는 GPT-5급 추론 성능을 결합한 최초의 음성 특화 모델입니다. 사용자의 까다로운 요청을 논리적으로 처리하면서도 대화의 흐름을 끊김 없이 자연스럽게 이어가도록 설계되었습니다.

라이브 음성 인터랙션 환경에서 이 모델은 다음과 같은 핵심 동작을 실시간으로 수행합니다.

사용자의 복잡한 발화를 분석하고 적절한 도구(Tools)를 호출합니다.
대화 중 끼어들기(Interruption)가 발생하거나 요청 사항이 즉석에서 수정되어도 유연하게 반응합니다.
상황 맥락에 맞는 적절한 톤과 방식으로 대화를 주도합니다.

이러한 특성 덕분에 사용자와 주고받는 음성 대화가 단순한 명령 응답을 넘어 실제 사람과 대화하듯 매끄럽게 전개됩니다.

70개 언어를 지원하는 GPT-Realtime-Translate

GPT-Realtime-Translate는 실시간 대화 번역에 특화된 모델입니다. 70개 이상의 입력 언어를 감지하여 13개 출력 언어로 음성을 변환합니다.

가장 큰 특징은 화자의 발화 속도에 맞춰 번역을 진행한다는 점입니다. 말이 끝날 때까지 기다린 뒤 한꺼번에 번역하는 방식이 아니라, 말을 이어가는 도중에도 자연스럽게 흐름을 맞추며 실시간으로 통역 음성을 전달합니다. 이를 통해 다국어 회의나 실시간 글로벌 커뮤니케이션 환경에서 발생하는 지연 시간을 크게 줄일 수 있습니다.

스트리밍 전사를 지원하는 GPT-Realtime-Whisper

GPT-Realtime-Whisper는 저지연 음성 텍스트 변환(Speech-to-Text)을 위해 설계된 스트리밍 전사 모델입니다. 사람이 말하는 즉시 텍스트를 화면에 출력할 수 있습니다.

이 모델은 지연 시간을 극단적으로 낮춤으로써 실시간 서비스의 반응 속도를 개선합니다. 실시간 라이브 자막 표출, 대화 흐름을 그대로 따라가는 실시간 회의록 작성 등 즉각적인 텍스트 기록이 필요한 제품군에 직접 적용하기에 적합합니다.

실시간 음성 모델 3종의 API 가격 비교

세 가지 모델은 모두 오픈AI의 Realtime API를 통해 제공되며, 기능에 따라 과금 방식이 다릅니다. 사용량과 목적에 맞게 비용을 예측하고 적용할 수 있습니다.

GPT-Realtime-2: 오디오 입력 토큰 100만 개당 32달러(캐시된 입력 토큰은 0.40달러), 오디오 출력 토큰 100만 개당 64달러로 책정되었습니다.
GPT-Realtime-Translate: 분당 0.034달러의 시간 기반 요금이 부과됩니다.
GPT-Realtime-Whisper: 분당 0.017달러의 시간 기반 요금으로 이용할 수 있습니다.

복합적인 논리 추론이 필요한 고급 대화 시스템은 토큰 단위로 과금되는 GPT-Realtime-2를 사용하고, 단순 번역이나 전사 작업은 분당 비용이 정산되는 전용 모델을 도입하는 것이 경제적입니다.

신규 음성 모델 테스트 및 적용 절차

개발자는 오픈AI의 플레이그라운드(Playground) 환경에서 신규 실시간 음성 모델을 직접 테스트할 수 있습니다. 웹 인터페이스에서 각 모델의 응답 속도와 번역 완성도, 전사 정확도를 즉시 확인하는 작업이 가능합니다.

코덱스(Codex)가 설치되어 있는 환경이라면 프롬프트 제출을 통해 기존 애플리케이션에 GPT-Realtime-2를 즉시 연동하거나 새로운 앱을 제작할 수 있습니다. 목적에 맞는 모델을 선택해 프로토타입을 빠르게 검증해 볼 수 있습니다.

출처: 9to5Mac

같이 보면 좋은 글

실시간 API를 활용한 음성 인터페이스 최적화 기준
생성형 인공지능 토큰 비용과 분당 요금제 선택 가이드
글로벌 커뮤니케이션을 위한 다국어 라이브 통역 구축 방안

마치며

오픈AI의 신규 실시간 음성 모델 3종은 추론, 번역, 전사라는 고유 영역에 최적화되어 개발의 유연성을 크게 높였습니다. 복잡한 맥락 대응이 필요하다면 GPT-Realtime-2를, 다국어 통역이나 빠른 전사가 목적이라면 전용 모델을 선택하는 것이 비용과 효율 면에서 유리합니다. 개발 중인 서비스의 핵심 기능과 예산에 맞춰 적절한 모델을 플레이그라운드에서 직접 검증해 보시길 권합니다.