OpenAI 새 transcription API, 파일·실시간 음성 모델을 둘로 분리

음성 AI를 제품에 붙이는 팀에게 이제 선택지는 “녹음 파일인가, live stream인가”부터 갈린다. OpenAI는 2026년 7월 28일 release notes에서 GPT Transcribe와 GPT Live Transcribe를 GA로 공개했다. 하나는 completed audio file과 Realtime committed turn의 final transcript에, 다른 하나는 low-latency live audio delta에 맞춘 model이다.

가격과 용도도 분리됐다. OpenAI model docs 기준 GPT Transcribe는 file과 Realtime input transcription용 speech-to-text model이며 분당 $0.0045로 표시된다. GPT Live Transcribe는 realtime transcription용 streaming model이고 분당 $0.017로 표시된다. 녹음된 회의록, 고객 상담 archive, podcast 처리처럼 bounded audio를 다루는 서비스와, call center assistant나 microphone 기반 live caption처럼 지연 시간이 중요한 서비스가 다른 비용 구조를 갖게 된다.

새 문서의 핵심은 context 입력이다. 두 model 모두 free-form prompt, keywords, languages를 받아 domain term, 약어, multilingual audio, code-switching 상황에서 전사 품질을 높이는 데 쓴다. 기존 단일 language hint와 달리 여러 예상 언어를 넘길 수 있어, 한국어와 영어가 섞이는 회의나 의료·금융 상담처럼 고유명사와 숫자가 많은 workflow에서 테스트할 이유가 생겼다.

OpenAI는 transcription guide에서 새 integration의 recommended starting model로 file transcription에는 gpt-transcribe, realtime transcription에는 gpt-live-transcribe를 제시한다. 다만 speaker-labeled transcript는 gpt-4o-transcribe-diarize, subtitle timestamp나 영어 translation은 whisper-1을 쓰라고 구분했다. 즉 모든 음성 기능을 새 model 두 개로 밀어 넣은 것이 아니라, 일반 전사의 기본 경로를 바꾼 셈이다.

다음 확인 지점은 실제 오류율보다 workflow별 실패 비용이다. 문서도 medication name, order number, date, alphanumeric string처럼 앱에서 치명적인 항목을 따로 추적하라고 권한다. 음성 인터페이스가 agent UI로 번지는 상황에서, 전사는 더 이상 보조 기능이 아니라 tool call의 입력 품질을 결정하는 첫 단계가 됐다.