오픈AI, 음성 전사 AI 'GPT-트랜스크라이브' 2종 출시…실시간·비동기 맞춤 지원

오픈AI가 음성 인식의 새로운 지평을 여는 두 가지 모델을 출시했습니다. 'GPT-라이브-트랜스크라이브'와 'GPT-트랜스크라이브'는 실시간 음성 전사와 비동기 음성 파일 처리에 최적화된 AI 기술로, 다양한 분야에서의 활용이 기대됩니다.

두 가지 모델의 특징

오픈AI가 28일(현지시간) 공개한 이 두 모델은 각각의 사용 목적에 맞춰 설계되었습니다. 'GPT-라이브-트랜스크라이브'는 실시간 음성 인식이 중요한 상황에 최적화되어 있어, 화상회의 자막 생성, 라이브 스트리밍, 고객 상담 등에서의 즉각적인 음성 변환에 적합합니다. 이 모델은 특히 시끄러운 배경에서도 음성을 정확하게 인식할 수 있는 능력을 갖추고 있으며, 기존 모델보다 높은 정확도를 자랑합니다. 분당 약 0.017달러의 비용으로 제공되며, 실시간 처리에 필요한 환경에 적합합니다.

반면, 'GPT-트랜스크라이브'는 녹음이 완료된 음성 파일을 처리하는 데 중점을 두고 있습니다. 대량의 오디오 데이터를 빠르게 분석하며, 약 34배의 속도로 실시간 처리가 가능합니다. 이 모델은 회의록 작성, 팟캐스트 변환, 인터뷰 기록 등 비동기 작업에 적합하고, 1000분당 4.50달러의 요금으로 제공됩니다.

향상된 음성 인식 성능

두 모델 모두 문맥 이해 능력이 한층 강화되어 있으며, 사용자가 제공하는 주제, 상황 설명, 특정 용어 등을 바탕으로 전사 정확도를 높일 수 있습니다. 특히 다양한 억양과 언어, 전문 용어를 처리하는 데 있어 기존 모델보다 개선된 성능을 보이고 있습니다. 예를 들어, 'GPT-트랜스크라이브'는 22개 언어 대상으로 약 19.27%의 오류율을 기록하며, 이는 기존의 위스퍼 모델보다 현저히 낮은 수치입니다.

아티피셜 애널리시스의 단어 오류율(WER) 지수에서도 'GPT-트랜스크라이브'는 약 3.3%로 높은 정확도를 보여주며, 이번 출시가 음성 인식 기술의 발전에 기여할 것으로 기대되고 있습니다.

음성 AI 시장의 새로운 장

이번 모델의 출시는 음성 기반 AI 서비스의 확장을 가속할 것으로 보입니다. 기업들은 이들 모델을 통해 회의록 자동 작성, 고객 상담 분석, 미디어 콘텐츠 변환 등 다양한 업무를 효과적으로 자동화할 수 있습니다. 특히 API 형태로 제공됨에 따라, 스타트업부터 대기업까지 손쉽게 음성 AI 기능을 통합할 수 있는 기회를 얻게 되었습니다.

오픈AI의 이번 발표는 음성 인식 기술의 정확도와 활용 범위, 개발 편의성을 동시에 강화하는 전략으로, 앞으로 음성 AI가 기업의 업무 환경에서 중요한 역할을 할 것임을 보여줍니다. 전문가들은 이 기술이 다양한 산업 분야에서의 혁신을 이끌어낼 것으로 전망하고 있습니다.