OpenAI 실시간 오디오 API 3종 분리, 번역·받아쓰기·추론 어떤 걸 골라야 하나

OpenAI가 Realtime API에 모델 3종을 추가했다. 하나의 범용 모델 대신 용도별로 쪼갰다. 빌더 입장에서는 처음으로 '실시간 음성'을 목적에 맞게 골라 꽂을 수 있는 선택지가 생긴 것이다.

3종의 차이, 뭘 만드는지에 따라 달라진다

세 모델의 용도는 명확하게 구분된다.

• GPT-Realtime-2 : 실시간 추론 에이전트 용도. 단순 전사나 번역이 아닌, 음성 입력을 받아 판단하고 응답해야 하는 서비스에 쓴다.
• GPT-Realtime-Translate : 70개 이상 언어 음성 번역 특화. 실시간 다국어 대화나 회의 번역 서비스에 해당한다.
• GPT-Realtime-Whisper : 스트리밍 전사(transcription) 특화. 음성을 텍스트로 바꾸는 용도에 집중한다.

범용 모델 하나로 모든 걸 처리하던 구조에서 벗어난 게 핵심이다. 용도를 분리하면 불필요한 연산을 줄여 latency와 비용을 최적화 할 수 있다.

한국어 지원, 지금 당장 확인해야 한다

GPT-Realtime-Translate가 지원하는 '70개 이상 언어'에 한국어가 포함되는지는 현재 소스에서 확인되지 않는다. 한국 사용자를 대상으로 하는 서비스를 만들 계획이라면, 공식 문서에서 지원 언어 목록을 직접 확인하는 것이 첫 번째 단계다.

가격 정보도 아직 공개된 내용이 없다. 기존 Realtime API 대비 세 모델이 각각 어떤 과금 구조를 갖는지는 platform.openai.com의 pricing 페이지에서 확인해야 한다. 비용 구조가 확인되기 전에 프로덕션 투입 계획을 세우는 건 이르다.