ChatGPT 음성 대규모 업그레이드: OpenAI, 양방향 모델 'GPT-Bidi-1' 준비 중

주의사항: OpenAI의 공식 발표는 아직 이뤄지지 않았습니다. 모델의 최종 명칭, 정확한 등급별 동작 방식, 출시 일정 등은 회사 측에서 확인되지 않았습니다.

기존 턴 기반(turn-based) 모델과의 차이

현재 ChatGPT의 음성 모드(표준 음성 모드, 고급 음성 모드)는 턴 기반(turn-based) 방식입니다. 즉, 모델은 사용자가 말을 끝낼 때까지 기다렸다가 응답을 시작합니다. 반면 GPT-Bidi-1의 양방향(BiDi) 아키텍처는 사용자의 음성과 모델 자신의 음성, 두 개의 오디오 스트림을 동시에 처리할 수 있습니다.

공개된 시연 영상에서 확인된 주요 차이점은 다음과 같습니다.

• 중단(인터럽트) 처리 능력: 모델이 말하는 도중 사용자가 끼어들면, 이를 감지하고 멈추거나 소리가 끊기지 않고 실시간으로 응답을 조정합니다.
• 실시간 수정: 한 테스트에서 GPT-Bidi-1은 사용자와 함께 1부터 10까지 세다가, 사용자가 중간에 끼어들어 거꾸로 세도록 요청하자 즉시 응답을 바꿔 역순으로 세기 시작했습니다.
• 자연스러운 중첩: 어시스턴트가 사용자가 말하는 동안에도 계속 말할 수 있어, 인간 간 대화에 훨씬 가까운 상호작용이 가능합니다.

OpenAI의 내부 목표는 ChatGPT의 음성 스택(이미 GPT-5.5급 추론 능력을 갖춘 텍스트 모델에 비해 뒤처져 있었음)의 격차를 좁히고 실시간 대화 지능에서 동등한 수준을 확보하는 것이었습니다.

3단계 지능 선택 체계

GPT-Bidi-1은 OpenAI의 음성 모델 중 처음으로 3단계 지능 및 속도 선택 기능을 도입했습니다.

이 등급 체계는 ChatGPT의 텍스트 모델이 서로 다른 추론 수준을 제공하는 것과 유사하게, 사용자가 작업에 따라 상호작용의 깊이와 대기 시간을 조절할 수 있게 해줍니다. 예를 들어, 빠른 날씨 확인은 'Instant' 모드를, 깊이 있는 아이디어 회의는 'High' 모드를 사용하면 됩니다.

음성 인터페이스의 시각적 변화

GPT-Bidi-1을 선택하면 음성 버블(웨이브폰 형태의 표시등)의 색상이 노란색으로 변경됩니다. 이 모델은 설정의 모델 선택기에서 기존의 표준 음성 모드, 고급 음성 모드와 함께 새로운 "Bidi (Latest)" 옵션으로 표시되며, 기존 모드를 대체하지 않고 추가됩니다.

개발 일정과 경쟁 구도

• 2026년 초: OpenAI가 BiDi 아키텍처 개발을 내부적으로 시작했습니다.
• 2026년 3월 5일: 정보 매체 The Information이 OpenAI가 음성 어시스턴트 강화를 위한 양방향 오디오 모델을 개발 중이라고 보도했습니다.
• 2026년 5월 7일: OpenAI가 API에 GPT-Realtime-2를 발표했습니다. 이는 GPT-5급 추론 능력을 갖춘 최초의 음성 모델로, 양방향 기능의 기반이 되었습니다.
• 2026년 6월 16~17일: M1Astra와 TestingCatalog가 ChatGPT 앱 코드에서 gpt-bidi-1 참조를 처음 공개적으로 발견했습니다.
• 2026년 6월 22~24일: 양방향 동작을 보여주는 사용자 제보와 시연 영상이 등장했습니다. 여러 매체는 같은 주 내에 더 넓은 범위로 출시가 이루어질 수 있다고 보도했습니다.

경쟁 구도: 이번 양방향 음성 강화는 Google(중단을 처리하는 Gemini Live), Anthropic, 그리고 실시간 음성 에이전트를 개발하는 스타트업들의 발전에 대응하기 위한 조치로 풀이됩니다. OpenAI는 이미 GPT-5.5급 추론 능력을 갖춘 텍스트 모델과 동등한 수준의 음성 상호작용을 구현하기 위해 경쟁하고 있습니다.