GPT-Live 1, API에 정식 제공 시작: 전화 상담을 받을 수 있을까, 목소리는 누구의 것일까, 녹음될까

OpenAI는 2026년 9월 10일, API 개발자 문서의 업데이트 기록에 새 항목을 기재했습니다. 전이중 음성 모델 GPT-Live 1이 API에서 정식 제공(GA)되었으며, 이에 대응하는 모델 ID는 gpt-live-1, 엔드포인트는 v1/live/sessions입니다. 공식 문서에는 음성 세션이 분당 0.05달러이며 초 단위로 과금되고, 백엔드 모델과 도구 사용량은 별도로 과금된다고 적혀 있습니다. 이것이 의미하는 바는, 듣고 말하기를 동시에 하는 음성 모델이 개발자가 구매해 자신의 전화 시스템이나 앱, 제품에 넣을 수 있는 부품이라는 것입니다.

본 기사는 2026년 9월 18일, OpenAI 개발자 문서의 API 업데이트 기록, GPT-Live 1 모델 페이지, 전화·SIP 연동 가이드, 세션 관리 가이드를 확인했습니다. 확인 당일 시점의 버전을 읽은 것이며, 이 문서 페이지들에는 버전 번호가 없어 내용이 이후 바뀔 수 있습니다. 본 사이트는 이 API를 실제로 연동하거나 시험해 보지 않았으며, 본문의 기능 설명은 모두 OpenAI 측의 설명입니다. 본 기사는 API 개발자 쪽의 이번 업데이트만 다루며, ChatGPT 이용자 쪽의 요금제나 설정은 다루지 않습니다.

9월 10일 업데이트 기록: 정식 제공(GA), 모델 ID와 두 가지 위임 방식

공식 모델 페이지는 GPT-Live 1을 전이중 음성 모델로 정의합니다. 동시에 듣고 말할 수 있으며, 추론과 도구 사용을 백엔드 에이전트에 위임합니다. 즉 자료 조회나 연산이 필요할 때는 그 처리를 뒤에서 맡기면서도 대화는 계속 이어갈 수 있다는 뜻입니다. 업데이트 기록은 9월 10일의 상태를 “API에서 정식(GA)으로 제공 시작”이라고 적었는데, 이는 공급 상태를 나타내는 말이며, 본 기사가 확인한 4개의 문서 어디에도 이것이 처음 등장한 것이라고는 쓰여 있지 않습니다. 오히려 전화 연동 가이드에는 기존 연동이 폐기된 착신 이벤트 이름을 여전히 받을 수 있다고 나와 있어, 그 이전부터 연동이 돌아가고 있었음을 짐작하게 합니다.

모델 페이지에 나온 모델 ID는 gpt-live-1이며, 대응하는 엔드포인트는 v1/live/sessions입니다. 공식 문서는 이를 “매끄러운 끼어들기 처리를 갖춘, 자연스럽고 표현력 있는 음성 대화를 위한 최상위 모델”이라고 설명하는데, 이는 OpenAI 자신의 설명입니다. 이 모델의 입력과 출력은 모두 음성과 텍스트 두 형식이며, 이미지와 동영상은 지원하지 않습니다. 모델 페이지에 나온 지식 기준일은 2025년 7월 31일로, 이는 모델 자체의 학습 데이터 시점을 나타냅니다.

개발자가 GPT-Live 1에 자료 조회나 연산이 필요한 문제를 처리시키려 할 때, 문서에는 두 가지 위임 방식이 나와 있습니다. 하나는 OpenAI 모델과 짝을 이루는 Responses 위임이고, 다른 하나는 개발자가 직접 구축한 백엔드에 연결하는 client 위임입니다. 지정하지 않거나 null로 설정하면 client가 선택됩니다. 문서에는 위임 방식이 세션 시작 후에는 변경할 수 없으며, 바꾸려면 새 세션을 시작해야 한다고 적혀 있습니다.

API에서 이 모델의 사양: 지원 엔드포인트는 단 하나, 무료 등급은 지원하지 않음

GPT-Live 1이 API에서 지원한다고 표시된 엔드포인트는 Live(v1/live/sessions) 하나뿐입니다. 공식 엔드포인트 목록은 Chat Completions, Responses, Realtime 등 기존 엔드포인트와 구버전인 Completions (legacy)까지 모두 지원하지 않는다고 표시하고 있습니다. 전화 연동 가이드 역시 API마다 각자의 인증, 세션 생성 방식, 이벤트 계약이 있어 서로 바꿔 쓸 수 없다고 알려 줍니다.

사용량 계산 방식도 조금 다릅니다. 문서에는 속도 제한이 “동시에 진행 중인 세션 수”로 계산된다고 명시되어 있으며, 무료(Free)는 지원하지 않는 사용 등급으로 나와 있습니다. 계정의 사용 등급에 따라 Tier 1부터 Tier 5까지 각각 25, 50, 200, 300, 500개의 세션을 동시에 열 수 있습니다.

전화가 걸려 오면, GPT-Live 1은 어떻게 응답을 이어받나

GPT-Live 1을 전화 시스템에 연결하는 방법으로 공식 문서는 두 가지 경로를 제시합니다. 하나는 Direct SIP로, 통화 음성을 전화 사업자와 OpenAI가 주고받고, 개발자의 애플리케이션이 이벤트 알림, 세션 설정, 전화를 받을지 말지의 판단, 비즈니스 로직을 담당합니다. 다른 하나는 서버 오디오 브리지로, 개발자의 애플리케이션이 전화 사업자나 회의실의 음성을 WebSocket을 통해 GPT-Live로 전달하며, 양쪽 연결과 이벤트 변환, 재생, 통화 생명 주기를 모두 직접 관리해야 합니다. 문서에는 Twilio, Telnyx, LiveKit, Daily/Pipecat 같은 업체들이 각자 전용 연동 가이드를 갖추고 있다고 나와 있습니다.

전화가 걸려 온 뒤의 흐름은 이렇습니다. 개발자의 애플리케이션이 자체 인증·라우팅 규칙에 따라 각각 하나의 API 동작으로 수락하거나 거절합니다. 수락할 때는 모델, 음성, 위임 방식 등의 설정을 함께 보내야 하고, 거절할 때는 300에서 699 사이의 SIP 상태 코드(예를 들어 통화 중을 나타내는 486)를 붙여야 합니다. 가장 먼저 도착한 수락 또는 거절 판단이 유효하며, 이후 다시 보내는 판단은 거부됩니다. 통화 중에는 두 가지 동작이 더 있어 전화를 다른 곳으로 넘기거나 바로 끊을 수 있으며, 둘 다 성공하면 내용 없는 200 OK가 반환됩니다.

문서는 이 흐름의 마지막에, 이것이 처리하는 것은 걸려 오는 전화이며 POST /v1/live/sessions를 통해 발신하는 SIP 통화를 만드는 것은 지원하지 않는다고 명시합니다. 발신을 하려면 문서는 개발자에게 파트너의 연동 방식을 쓰라고 안내하며, 발신은 사업자 자신이 책임지는 영역이라고 설명합니다. 문서는 또한 착신에 붙는 SIP 헤더를 신뢰할 수 없는 발신자 정보로 취급해야 하며 인증의 근거로 삼아서는 안 된다고 경고합니다.

목소리는 누구의 것인가: 내장 12종, 이 4개 문서엔 지원 언어 목록이 없다

GPT-Live 1의 목소리는 하나만이 아닙니다. 기본값인 marin 외에도 공식 문서는 선택할 수 있는 이름 붙은 음성 12개를 추가로 제시합니다. 예를 들어 언어 항목이 영어, 지역색 항목이 영국으로 표시된 vesper, 같은 영어에 북미로 표시된 gleam, 언어 항목이 포르투갈어이고 지역색 항목이 브라질로 표시된 bossa와 tempo 등입니다. 개발자는 세션을 만들 때 그중 하나를 골라 설정에 넣습니다. 대화가 시작된 뒤에는 도중에 바꿀 수 없고, 바꾸려면 새 세션을 시작해야 합니다.

대만 독자가 눈여겨봐야 할 점이 있습니다. 문서는 이 음성들을 “지역색”이라는 말로 표현하면서도, 이는 어디까지나 말하는 스타일일 뿐 억양의 사실적 재현을 보장하는 것은 아니라고 따로 못 박고 있습니다. 더 중요한 것은, 본 기사가 확인한 4개의 공식 문서 어디에도 이 모델이 어떤 구어를 지원하는지 목록이 나와 있지 않다는 점입니다. 이름 붙은 12개 음성의 언어 항목에는 영어와 포르투갈어뿐이고, 기본 음성인 marin도 언어가 따로 명시돼 있지 않습니다. 문서는 인사말을 다루면서, 개발자에게 발신자가 말을 꺼내기 전까지는 애플리케이션이 지정한 언어를 쓰라고 요구하고, 자사 애플리케이션이 지원하는 언어로 테스트하라고 당부합니다. 다시 말해, 상담 전화 저편에서 실제로 GPT-Live 1이 쓰인다면 그것이 중국어를 얼마나 잘 구사하는지, 이 4개 문서는 답을 주지 않으며, 당연히 할 수 있다고 가정해서는 안 됩니다.

공식 문서에는 승인을 받은 음성이라면 자신의 녹음을 이용해 커스텀 음성을 만들 수 있다고도 나와 있습니다. 세부 사항은 별도 가이드에 있으며 본 기사에서는 깊이 다루지 않습니다.

녹음되는지, 기억은 얼마나 이어지는지, 전화를 몇 분 하면 대략 얼마인지

녹음 여부는 개발자가 정하는 것이며 기본값으로 켜져 있지 않습니다. 공식 문서에는 세션의 녹음 설정이 기본값으로 꺼져 있으며, 개발자가 직접 켜고 프로젝트가 먼저 승인되어야만 완료된 녹음을 다운로드하거나 새 세션으로 “포크”할 수 있다고 명시돼 있습니다. 다운로드와 포크에는 데이터 보관을 허용하는 데이터 정책도 필요합니다. 남겨진 녹음은 30일 뒤 만료됩니다. 프로젝트에서 Zero Data Retention(데이터 제로 보존)을 활성화하면 녹음 설정은 항상 꺼진 것으로 취급되어 다운로드와 포크도 쓸 수 없습니다. 다운로드한 녹음은 스테레오 WAV 파일이며, 입력 음성과 출력 음성이 각각 왼쪽과 오른쪽 채널에 담깁니다.

장시간 통화의 기억에도 상한이 있습니다. 문서에 따르면 세션의 기본 컨텍스트 창은 128,000토큰이며, 여기에는 개발자가 준 지시문, 대화 텍스트, 그리고 대화 기록에는 나타나지 않는 음성 토큰이 포함됩니다. 사용량이 창의 90%를 넘으면 시스템은 같은 세션 안에서 다른 음성 엔진으로 교체합니다. 새 엔진은 원래의 지시문과 함께 최대 8,192토큰의 대화 이력(최근 메시지, 그리고 요약을 쓸 수 있을 때는 이전 메시지의 요약)을 넘겨받습니다. 이는 곧 아주 긴 통화에서는 앞서 나눈 이야기의 세부 내용이 요약되거나 생략될 수 있다는 뜻입니다.

요금 계산 방식 자체는 복잡하지 않습니다. 음성 세션은 분당 0.05달러이며 실제 초 단위로 과금되고, 문서에는 다음 1분 단위로 반올림되지 않는다고 적혀 있습니다. 백엔드 모델과 도구는 각자의 요금으로 별도 과금되며, 이 4개 문서는 이 두 비용을 합친 예시는 보여 주지 않습니다. 다음은 본 기사가 확인일인 2026년 9월 18일 기준 요율로 계산한 것이며 공식 수치가 아닙니다. 음성만으로 3분을 통화하면 단순 계산으로 0.15달러가 되며, 실제 총액은 백엔드가 얼마나 많은 작업을 처리했는지에 달려 있습니다. 세션이 끝날 때 공식 문서가 나열하는 종료 사유에는 애플리케이션이 직접 종료한 경우, 세션이 시간 상한에 도달한 경우, 안전 필터가 중단시킨 경우, 원격 연결이 정상적으로 끝난 경우, 연결이 예기치 않게 끊긴 경우가 포함되지만, 시간 상한이 실제로 몇 분인지는 문서에 나와 있지 않습니다.

2026년 AI 뉴스 총정리: 1월부터 9월까지의 핵심과 일상 적용

Gemini 3.8 Live와 Extended Thinking: 새 음성 모델, 내 계정으로 쓸 수 있을까

• AI 도구
• 앱·소프트웨어
• AI 뉴스