오픈AI 음성인식 신모델 gpt-transcribe·gpt-live-transcribe 공개, 57개 언어 지원

핵심 메시지

• 오픈AI가 받아쓰기 전용 모델 두 가지를 공개했다. gpt-transcribe는 완성된 녹음 파일을 받아 전체 원고를 돌려주고, gpt-live-transcribe는 연결을 열어둔 채 음성이 들어오는 대로 텍스트를 내보낸다.
• 두 모델 모두 57개 언어를 지원하며, 억양이 강한 말·여러 언어가 섞인 말·아주 짧은 대답·사람 이름·숫자처럼 기존 받아쓰기가 자주 틀리던 부분을 개선했다고 설명한다.
• 개발자가 꼭 정확히 받아써야 할 단어와 고유명사, 코드 용어 목록을 미리 넘겨줄 수 있다. 시연에서는 보안·영업·의료 분야의 전문용어를 사전으로 넣어 보여줬다.
• 배경 소음 처리도 개선돼, 옆 사람의 대화나 배경 음악이 말소리로 잘못 기록될 가능성이 줄었다고 밝혔다.
• 30분 분량 회의 녹음을 1분이 채 안 되는 시간에 처리하는 장면을 시연했다.

쉽게 이해하기

오픈AI가 음성을 텍스트로 옮기는 모델 두 가지를 새로 내놨다. 하나는 녹음이 끝난 파일을 통째로 넣으면 전체 원고를 돌려주는 gpt-transcribe이고, 다른 하나는 연결을 열어둔 상태에서 소리가 들어오는 대로 문장을 뱉어내는 gpt-live-transcribe다. 같은 받아쓰기라도 쓰임새가 다르다는 점을 겨냥해 두 갈래로 나눈 셈이다.

두 모델은 공통적으로 57개 언어를 지원한다. 오픈AI는 특히 받아쓰기가 잘 깨지던 지점, 즉 억양이 뚜렷한 발음이나 여러 언어가 섞인 발화, '네' 같은 아주 짧은 대답, 고유명사와 숫자에서 성능이 크게 나아졌다고 설명한다.

정확도를 끌어올리는 장치도 있다. 개발자가 반드시 제대로 받아써야 하는 단어 목록을 모델에 미리 넘겨줄 수 있다. 시연에서는 보안 분야의 피싱, 영업 분야의 ARR, 의료 분야의 A1C처럼 놓치기 쉬운 용어들을 사전으로 넣었다. 언어를 지정하는 힌트도 줄 수 있지만, 기본 설정만으로도 여러 언어를 오가는 말을 따라간다. 실제로 시연자가 한 세션 안에서 영어에서 스페인어로 바꿔 말하고 다시 영어로 돌아오자 실시간 원고가 그대로 따라붙었다.

소음 대응도 손봤다. 옆자리의 다른 대화나 흘러나오는 음악이 말소리로 잘못 잡히는 일이 줄었다는 설명이다. 시끄러운 카페나 붐비는 행사장처럼 잡음이 많은 곳에서도 화자가 실제로 한 말에 원고가 집중된다는 것이다.

두 모델의 용도는 갈린다. 파일 단위로 처리하는 gpt-transcribe는 통화 기록 보관, 팟캐스트, 대량 일괄 처리처럼 결과를 조금 기다려도 되는 대신 정확도와 처리량이 중요한 작업에 어울린다. 반대로 실시간 모델은 자막, 받아쓰기 입력, 음성 인터페이스처럼 지연 시간이 사용자 경험을 직접 좌우하는 곳에 적합하다.

주요 인사이트

• 같은 '음성 인식'이라도 결과를 기다릴 수 있는 작업과 즉시 나와야 하는 작업은 요구 조건이 정반대다. 오픈AI가 모델을 둘로 나눈 것은 정확도와 지연 시간 사이의 맞교환을 개발자가 직접 고르게 하려는 선택으로 읽힌다.
• 단어 목록을 미리 넘겨 정확도를 보정하는 방식은, 업무용 받아쓰기의 실패가 대부분 일반 문장이 아니라 제품명·약어·사람 이름 같은 도메인 고유 표현에서 발생한다는 점을 겨냥한다.
• 한 세션 안에서 언어가 바뀌어도 따라가는 특성은, 회의나 상담처럼 한국어와 영어가 섞이는 실제 대화 환경에서 특히 의미가 있다.
• 30분 녹음을 1분이 채 안 걸려 처리한다는 점은, 통화 기록이나 강의 영상처럼 쌓여 있는 음성 자산을 한꺼번에 텍스트로 바꾸는 작업의 부담이 크게 줄었다는 뜻이다.

자주 묻는 질문

관련 AI 소식