OpenAI가 음성을 텍스트로 변환하는 GPT Transcribe와 GPT Live Transcribe를 출시했다. 두 모델은 같은 음성 인식 작업을 다루지만, 처리 방식과 필요한 속도에 따라 역할이 나뉜다.
파일과 실시간 음성을 나눠 처리한다
OpenAI API 변경 기록에 따르면 GPT Transcribe는 녹음 파일을 정확하게 전사하거나, 실시간 대화에서 한 구간이 끝난 뒤 확정된 최종 문장을 만드는 데 사용된다. 회의 녹음, 인터뷰 파일, 통화 종료 후 기록처럼 전체 결과의 정확성이 중요한 작업에 맞는다.
GPT Live Transcribe는 음성이 들어오는 동안 결과를 계속 보내는 스트리밍 전사 모델이다. 대화 자막, 실시간 상담 보조, 음성 인터페이스처럼 사용자가 말을 끝낼 때까지 기다리지 않고 텍스트가 나타나야 하는 작업을 대상으로 한다.
문맥과 중요한 단어를 미리 알려줄 수 있다
두 모델은 자유 형식의 전사 문맥과 키워드 힌트를 지원한다. 제품명이나 사람 이름, 전문 용어처럼 일반 음성 인식이 잘못 알아듣기 쉬운 단어를 미리 제공할 수 있다. 입력될 가능성이 있는 언어를 여러 개 지정하는 기능도 제공된다.
예를 들어 한국어 회의 안에서 영어 제품명이 반복되는 경우, 해당 제품명을 키워드로 전달해 인식 오류를 줄이는 방식이다. 다만 힌트를 제공한다고 모든 단어가 항상 정확하게 변환되는 것은 아니며, 실제 녹음 품질과 발음, 주변 소음의 영향도 받는다.
기존 전사 모델의 후속 선택지
GPT Transcribe는 파일 중심의 /v1/audio/transcriptions와 실시간 흐름을 다루는 API에서 사용할 수 있다. GPT Live Transcribe는 낮은 지연이 필요한 Realtime API를 중심으로 제공된다.
OpenAI는 이후 기존 whisper-1과 GPT-4o 계열 전사 모델의 종료 일정을 안내하며 두 모델로의 이전을 권고했다. 새 모델의 출시는 음성 인식을 하나의 모델로 처리하기보다, 최종 정확도가 중요한 작업과 응답 속도가 중요한 작업을 구분한 업데이트다.