GPT Live Transcribe의 개요
GPT Live Transcribe(gpt-live-transcribe)는 마이크 입력, 전화 통화, 실시간 자막처럼 아직 들어오고 있는 오디오를 받아 적는 OpenAI 모델입니다. 완성된 파일용인 GPT Transcribe와 함께 2026년 7월 28일 공개됐으며, OpenAI의 실시간 받아쓰기 기본 모델로 gpt-realtime-whisper를 대체합니다. OpenAI는 2027년 2월 26일 종료되는 whisper-1과 GPT-4o 받아쓰기 모델의 두 후속 모델 중 하나로 이 모델을 꼽습니다.
WebSocket이나 WebRTC를 쓰는 Realtime 받아쓰기 세션 안에서만 동작하며, 오디오가 아닌 텍스트만 돌려줍니다. minimal부터 xhigh까지 5단계 지연 설정으로 부분 텍스트가 얼마나 빨리 나오는지와 정확도 사이를 조절합니다. 세션에는 자유 형식 맥락 프롬프트, 키워드 목록, 여러 언어 힌트를 넣을 수 있고, 세션 도중에도 바꿀 수 있습니다.
GPT Live Transcribe의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| gpt-live-transcribe | $0.017 per minute | Realtime 받아쓰기 세션 전용 |
| gpt-transcribe | $0.0045 a minute | 완성된 파일 |
스트리밍 오디오 분당 0.017달러(시간당 약 1.02달러)로 gpt-realtime-whisper와 같습니다. Batch는 없습니다. 파일용 gpt-transcribe는 분당 0.0045달러입니다.
GPT Live Transcribe, 쓸 만한 가치가 있습니까?
GPT Live Transcribe는 같은 가격으로 gpt-realtime-whisper를 조금 개선한 모델입니다. OpenAI 자체 수치로 9개 언어 실제 환경 오디오의 받아쓰기 오류율은 11.65%에서 9.60%로 떨어져 오류가 약 18% 줄었지만, 22개 언어 Common Voice에서는 20.33%에서 19.70%로 개선 폭이 1포인트도 안 됩니다. 맥락 프롬프트를 넣자 OpenAI의 의미 기반 정확도 점수는 38.5%에서 44.6%로 올랐습니다. 모두 제조사 벤치마크이며, OpenAI는 지연 수치를 공개하지 않습니다.
약점은 가격입니다. 분당 0.017달러, 시간당 약 1.02달러는 완성된 파일용 GPT Transcribe의 0.0045달러보다 4배 가까이 비싸고, Microsoft MAI-Transcribe-2-Streaming의 출시 가격인 시간당 0.54달러의 두 배에 가깝습니다. MAI-Transcribe-2-Streaming은 10월 Artificial Analysis 스트리밍 순위에서 발화 종료 후 0.13초, WER 2.5%로 1위를 차지했습니다. 몇 초 기다려도 되는 제품이라면 실시간 요금을 낼 이유가 없습니다.
모델 혼자서 하는 일은 경쟁 모델보다 적습니다. 서버 쪽 음성 구간 감지를 지원하지 않으므로, 말이 끝난 시점을 판단하고 각 발화를 확정하는 일은 애플리케이션이 해야 합니다. 단어별 타임스탬프, 화자 구분, 신뢰도 점수, 감지된 언어도 돌려주지 않습니다. 이를 위해 OpenAI는 whisper-1이나 gpt-4o-transcribe-diarize를 안내하지만, 둘 다 2027년 2월 26일 종료되며 같은 기능의 후속 모델은 발표되지 않았습니다. 최종 받아쓰기는 순서가 뒤바뀌어 올 수 있어 항목 ID로 짝을 맞춰야 합니다.
설정은 탄탄합니다. 5단계 지연으로 자막 앱은 글자를 빨리 보여 주고 회의록 앱은 정확도를 기다릴 수 있으며, 키워드는 제품명에 도움이 됩니다. 형식이 잘못된 키워드가 하나라도 있으면 세션 업데이트 전체가 거부되는데, 엄격하지만 테스트에서 쉽게 잡을 수 있습니다. 속도 제한은 Build 등급에서 분당 2,000건으로 시작해 Launch와 Grow에서 10,000건입니다.
데이터 처리는 규제를 받는 구매자에게 맞습니다. API 오디오는 기본적으로 학습에 쓰이지 않고, /v1/realtime은 오용 감시 기록을 30일 보관하며 데이터 무보관 대상이고, gpt-live-transcribe는 미국과 유럽의 데이터 상주를 지원합니다.
제 역할을 하는 곳
웨비나 플랫폼에 실시간 자막을 넣는 프론트엔드 엔지니어
말한 뒤 1~2초 안에 자막 보여 주기
WebRTC로 Realtime 받아쓰기 세션을 열고, 지연을 low로 설정하고, 클라이언트에서 음성 구간 감지를 돌려 발화를 확정합니다. 60분 웨비나는 오디오 스트림당 약 1.02달러입니다.
콜센터 앱을 gpt-realtime-whisper에서 옮기는 백엔드 엔지니어
파이프라인을 바꾸지 않고 받아쓰기 오류 줄이기
Realtime 연결은 그대로 두고 모델만 바꾸며, 단일 언어 필드를 languages 목록으로 바꾸고 제품명을 키워드로 추가합니다. 분당 가격은 같습니다.
유럽 원격의료 스타트업의 제품 관리자
오디오를 EU 밖으로 내보내지 않고 진료를 실시간으로 받아쓰기
EU 데이터 상주를 쓰고 /v1/realtime에 데이터 무보관을 신청합니다. 의료진과 환자를 구분하지 않으므로 채널을 나누거나 나중에 화자 분리를 해야 합니다.
도입 전 확인할 점
- 설정
- wss://api.openai.com/v1/realtime?intent=transcription에 연결하고, type transcription과 model gpt-live-transcribe를 담은 session.update를 보낸 뒤 24 kHz PCM 오디오를 스트리밍하고 각 발화를 직접 확정합니다.
- 연동
- WebSocket이나 WebRTC를 쓰는 Realtime 받아쓰기 세션만 지원합니다. 파일 받아쓰기 엔드포인트, Chat Completions, Responses, Batch에서는 쓸 수 없습니다. Azure AI Foundry와 Vercel AI Gateway에도 등록돼 있습니다.
- 데이터와 개인정보
- API 오디오는 기본적으로 학습에 쓰이지 않습니다. /v1/realtime은 오용 감시 기록을 30일 보관하며 데이터 무보관 대상이고, 미국과 유럽 데이터 상주를 쓸 수 있습니다.
- 대규모 사용 시 비용
- 월 100,000분의 실시간 오디오는 볼륨 할인 없이 1,700달러이며, 같은 오디오를 완성된 파일로 gpt-transcribe에서 처리하면 450달러입니다.
- 제한
- Build에서 분당 2,000건과 210,000토큰, Launch와 Grow에서 10,000건. 서버 쪽 VAD, 타임스탬프, 화자 구분, 신뢰도 점수, 언어 감지가 없고, 잘못된 키워드 하나로 세션 업데이트가 거부됩니다.
좋은 점
- minimal부터 xhigh까지 5단계 지연으로 속도와 정확도를 조절합니다
- 맥락 프롬프트, 키워드 힌트, 세션당 여러 언어
- OpenAI 실제 환경 오디오 테스트에서 gpt-realtime-whisper보다 오류가 약 18% 적고 가격은 같습니다
- 데이터 무보관 대상이며 미국과 유럽 데이터 상주를 지원합니다
- 기존 Realtime 세션에 모델만 바꿔 넣을 수 있습니다
아쉬운 점
- 분당 0.017달러로 파일용 모델의 4배 가까이 됩니다
- 서버 쪽 발화 구간 감지가 없어 직접 만들어야 합니다
- 타임스탬프, 화자 구분, 신뢰도 점수, 언어 감지가 없습니다
- 지연 수치가 공개되지 않았습니다
- Realtime 받아쓰기 세션에서만 작동합니다
추천 대상
이미 OpenAI Realtime API를 쓰며 화자 구분 없이 여러 언어의 실시간 자막이나 받아쓰기가 필요한 팀.
GPT Live Transcribe 대안
GPT Live Transcribe: 자주 묻는 질문
- GPT Live Transcribe, 쓸 만한 가치가 있습니까?
- OpenAI 환경에서 실시간 자막을 만들 때 믿을 만한 기본값이지만, 가격은 고급 모델 수준이고 화자 구분, 타임스탬프, 심지어 발화 구간 감지까지 직접 만들어야 합니다. 평점은 5점 만점에 3.7점입니다.
- GPT Live Transcribe의 가격은 얼마입니까?
- 스트리밍 오디오 분당 0.017달러(시간당 약 1.02달러)로 gpt-realtime-whisper와 같습니다. Batch는 없습니다. 파일용 gpt-transcribe는 분당 0.0045달러입니다.
- GPT Live Transcribe의 단점은 무엇입니까?
- 분당 0.017달러로 파일용 모델의 4배 가까이 됩니다; 서버 쪽 발화 구간 감지가 없어 직접 만들어야 합니다; 타임스탬프, 화자 구분, 신뢰도 점수, 언어 감지가 없습니다; 지연 수치가 공개되지 않았습니다; Realtime 받아쓰기 세션에서만 작동합니다.
- GPT Live Transcribe에 적합한 사람은 누구입니까?
- 이미 OpenAI Realtime API를 쓰며 화자 구분 없이 여러 언어의 실시간 자막이나 받아쓰기가 필요한 팀.
- 팀이나 프로덕션 환경에서 GPT Live Transcribe의 비용은 얼마입니까?
- 월 100,000분의 실시간 오디오는 볼륨 할인 없이 1,700달러이며, 같은 오디오를 완성된 파일로 gpt-transcribe에서 처리하면 450달러입니다.
- GPT Live Transcribe에 회사 데이터를 맡겨도 안전합니까?
- API 오디오는 기본적으로 학습에 쓰이지 않습니다. /v1/realtime은 오용 감시 기록을 30일 보관하며 데이터 무보관 대상이고, 미국과 유럽 데이터 상주를 쓸 수 있습니다.
- GPT Live Transcribe의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 MAI-Transcribe-2-Streaming, GPT Transcribe, ElevenLabs Scribe v2 및 Deepgram Nova-3입니다.
답변 확인일: 2026년 11월 6일.