- OpenAI가 API를 통해 세 가지 실시간 음성 모델을 출시했습니다.
- 음성 모델은 70개 이상의 입력 언어를 지원하며, GPT-Realtime-Whisper는 실시간 전사를 제공합니다.
- 번역 및 Whisper는 분당 과금되며, GPT-Realtime-2는 토큰 단위로 과금됩니다.
OpenAI는 수요일 API에 새로운 세대의 음성 모델을 출시하여 개발자가 음성 요청을 추론하고, 70개 이상의 언어로 번역하며, 발생하는 대로 음성을 녹음할 수 있는 앱을 빌드할 수 있는 도구를 제공했습니다.
세 모델은 GPT-Realtime-2, GPT-Realtime-Translate, GPT-Realtime-Whisper로 명명되었습니다. 이들은 AI 음성 인터페이스를 단순한 Q&A 교환을 넘어 AI 에이전트가 대화 중간에 듣고, 생각하고, 행동할 수 있는 영역으로 이동시킵니다.
GPT-Realtime-2은 음성에 더 날카로운 추론을 가져옵니다
GPT-Realtime-2는 플래그십입니다. OpenAI는 전신인 GPT-Realtime-1.5보다 상당한 진전인 GPT-5급 추론을 제공한다고 말합니다.
이 모델은 오디오 지능에 대한 벤치마크인 Big Bench Audio에서 15.2% 더 높았고, 다중 턴 음성 대화에서 지시 따르기를 테스트하는 Audio MultiChallenge에서 13.8% 더 높았습니다.
실용적인 업그레이드는 프로덕션 음성 에이전트를 빌드하는 개발자를 대상으로 합니다. 이 모델은 이제 이전 32K 제한의 4배인 128K 컨텍스트 창을 지원하며, ‘최소’에서 ‘xhigh’까지 5단계의 조정 가능한 추론 노력을 제공합니다.
동시에 여러 도구를 호출하고, 음성 확인으로 오류를 복구하며, 요청을 처리하는 동안 ‘확인해 보겠습니다’와 같은 짧은 연결 구문을 생성할 수 있습니다.
GPT-Realtime-Translate는 실시간 음성 번역을 처리합니다. 70개 이상의 입력 언어를 받아들이고 13개 언어로 출력하며, 화자와 실시간으로 속도를 맞추도록 설계되었습니다.
GPT-Realtime-Whisper는 스트리밍 음성-텍스트(STT)를 제공하여, 완전한 발화가 완료되기를 기다리는 대신 말하는 대로 단어를 녹음합니다.
Zillow, Deutsche Telekom은 프로덕션에서 모델을 테스트합니다
여러 회사가 조기 액세스를 받았습니다. Zillow는 복잡한 부동산 쿼리를 처리하고, 목록 검색을 위한 도구 호출을 처리하며, 공평한 주택 규정을 준수할 수 있는 음성 비서를 구축하고 있습니다.
이 회사는 GPT-Realtime-2로 프롬프트 최적화 후 가장 어려운 적대적 벤치마크에서 통화 성공률이 26포인트 향상되어 이전 69%에서 95%에 도달했다고 보고했습니다.
Deutsche Telekom은 고객 지원을 위한 실시간 번역을 테스트하고 있으며, 호출자가 선호하는 언어로 말할 수 있도록 하여 모델이 양쪽에서 변환을 처리합니다.
Priceline은 단일 세션에서 항공편 검색, 호텔 변경 및 현장 번역을 관리할 수 있는 음성 기반 여행 비서를 탐색하고 있습니다.
이 모델들은 고객 서비스 기능을 확장하려는 기업뿐만 아니라 교육, 미디어, 이벤트 및 크리에이터 플랫폼 전반에 걸친 잠재적 응용 프로그램도 주목하고 있습니다.
OpenAI 은 새로운 모델에 콘텐츠 검열을 통합했으며, 유해 콘텐츠 가이드라인을 위반하는 것으로 감지된 대화를 중단할 수 있는 트리거가 있다고 밝혔습니다. 이 회사는 이러한 안전 장치를 스팸, 사기 및 기타 형태의 남용으로부터 보호하기 위한 것이라고 설명했습니다.
가격 책정에 대해 Translate 및 Whisper 모델은 분당 청구됩니다. GPT-Realtime-2는 토큰 소비에 따라 청구됩니다. 세 모델 모두 WebRTC, WebSocket 및 SIP 연결 방법을 통해 접근 가능한 OpenAI의 Realtime API를 통해 사용할 수 있습니다.
가장 똑똑한 암호화폐 전문가들이 이미 우리 뉴스레터를 구독하고 있습니다. 참여하고 싶으신가요? 함께하세요.
자주 묻는 질문
GPT-Realtime-2이란 무엇인가요?
GPT-Realtime-2는 OpenAI의 새로운 음성 모델로, GPT-5급 추론 능력을 갖추고 있어 AI가 복잡한 요청을 처리하고 도구를 호출하며 중단에서 복구해야 하는 실시간 대화에 최적화되어 있습니다.
GPT-Realtime-Translate는 몇 개 언어를 지원하나요?
GPT-Realtime-Translate는 70개 이상의 입력 언어로 음성을 받아들이며, 13개 출력 언어로 실시간 번역이 가능합니다.
새로운 음성 모델의 가격은 어떻게 되나요?
GPT-Realtime-Translate와 GPT-Realtime-Whisper는 분당 과금되며, GPT-Realtime-2는 토큰 사용량 기준으로 과금됩니다.
면책 조항. 제공된 정보는 투자 조언이 아닙니다. Cryptopolitan.com은 이 페이지에 제공된 정보를 기반으로 이루어진 모든 투자에 대해 책임을 지지 않습니다. 어떤 투자 결정을 내리기 전에 독립적인 조사나 자격을 갖춘 전문가와의 상담을 강력히 권장합니다.
란다 모세스
란다 모세스는 Cryptopolitan의 편집자이자 기자로, 기술, AI, 로봇공학, 암호화폐, 사기 및 해킹을 담당합니다. 그녀는 2017년부터 암호화폐 분야에서 활동해 왔으며, 포워드 프로토콜, 아마직스, 크립토소니아크에서 역할을 수행했습니다. 란다는 브래드포드 대학교에서 전기전자공학을 전공했습니다.
