GPT-Live-1 음성은 이제 설명하는 대상이 되었습니다: Prompt-to-Voice 출시 및 9개 국제 프리셋 공개

For most of the year, choosing a voice for G​PT-Live-1 meant picking a string. You read a list, you set audio.output.voice/ to one of them at session start, and if none of them fit the brand you were building, you shipped with the closest one. That changed on 16 October 2026, when O​penAI released prompt-to-voice to all API customers and added nine natural voices aimed at five non-English markets. The new capability is small on paper — one endpoint, free to call — and it rewrites the earliest decision most voice products make. It also lands a day after G​PT-Live-1.1 picked up native Decisions integration inside the same Live sessions, which matters because the two changes push in opposite directions: one makes the voice more bespoke, the other makes the thing behind the voice more active.

다음은 실제로 출시된 것, 그 비용, 그리고 아무도 출시 노트에서 언급하지 않은 새 음성 목록의 두 가지 비대칭성입니다.

10월 16일 릴리스에 포함된 내용

두 가지가 있는데, 둘 다 gpt-live-1/ 모델과 두 개의 엔드포인트 — v1/audio/voices/ 와 v1/live/sessions/ 에 태그되어 있습니다.

• Prompt-to-voice — create a custom voice from a text description, through the API or the voice Playground, then reuse it in G​PT-Live sessions. Released for all API customers.

• 9개의 새로운 자연 음성 — Nuri, Juni, Flitz(독일어), Brise, Sillage(프랑스어), Nira(힌디어), Harema, Shida(일본어), Noeul(한국어).

• Cost — creating a prompt-generated voice is free. Using it speech-synthesises at regular G​PT-Live session rates, and auditioning it in the Playground counts as a normal session for billing.

• A day earlier, on 15 October — native Decisions integration in G​PT-Live, so an app can act while the user is still speaking or react to what Live says, via native delegation or transcript deltas.

The pricing context that makes those numbers legible: a G​PT-Live-1 voice session runs $0.05 per minute, billed by the second and not rounded up. That line is unchanged by this release, and no part of prompt-to-voice changes it.

API 호출은 하나의 POST이며, 그 형태는 모델이 무엇을 하고 있는지 알려줍니다.

JSON을 /v1/audio/voices/로 보내면서 type: "prompt"/, name, prompt 설명, 그리고 "model": "auto"를 함께 지정합니다. 선택 사항인 최대 2,000자의 script_hint는 생성을 유도할 예시 음성을 제공합니다. 생략하면 서비스가 스크립트를 직접 작성하지만, 비어 있거나 지나치게 짧은 스크립트는 거부됩니다.

응답에는 오디오가 포함되지 않습니다. 메타데이터만 반환합니다 — 객체 유형, id/, name/, created_at/ (Unix 초), type/, 그리고 원래 프롬프트입니다. 이는 의도적인 설계 선택이며 실질적인 결과가 따릅니다: 생성 시점에는 미리 들을 것이 없으므로, 사용할 방식 그대로 시험하게 되고, 이는 세션으로 청구됩니다. 모든 요청은 완전히 새로운 음성을 저장하므로 ID와 설명을 함께 보관하세요 — 설명은 요청한 내용을 기록한 유일한 정보입니다.

The controllable qualities are all expressed as ordinary language rather than as separate parameters: accent, age, presentation, pitch, timbre, texture, loudness, speech rate and distinctiveness. O​penAI's own examples include an accent phrased as "American English, with a strong accent" and a pace phrased as "Medium pace." There is no numeric prosody slider anywhere in the surface, which means the prompt is the API.

그것은 실질적인 트레이드오프입니다. 슬라이더는 재현 가능하지만, 문장은 그렇지 않습니다. 두 팀이 동일한 설명 문단을 작성하더라도 같은 보이스를 얻지 못할 수 있으며, 문서에는 생성된 보이스가 고유하다고 보장되지 않는다고 명시되어 있습니다. 시스템 프롬프트를 버전 관리하는 것과 같은 방식으로 프롬프트 텍스트를 버전 관리하세요.

설계에 고려할 가치가 있는 한계

• 조직당 프롬프트로 생성된 음성 100개. 이 상한은 고객에게도 적용되므로, 최종 사용자당 음성을 하나씩 생성하는 경우 100은 계정별 허용량이 아니라 전체 테넌트에 적용되는 상한입니다.

• G​PT-Live only. Prompt-generated voices do not work with the Text to Speech, Realtime, or Chat Completions APIs. A voice you describe today is a voice you cannot reuse in a batch narration pipeline tomorrow.

• Zero Data Retention에서는 사용할 수 없습니다. 다음 경로를 통한 음성 생성: /v1/audio/voices, 녹음 경로를 포함하여 제외됩니다.

• 성인만 해당하며 모방은 금지됩니다. 어린이의 목소리는 허용되지 않으며, 실제 인물이나 캐릭터의 이름을 언급하기보다는 특성을 설명하는 것이 권장됩니다.

• 녹음 기반 음성은 별도의 더 엄격한 경로입니다 — 조직당 최대 20개, mpeg, wav, ogg, aac, flac, webm 또는 mp4 형식의 30초 이하 샘플, 최소 5초의 실제 음성과 15개의 전사된 토큰, 업로드는 최대 10 MiB로 제한되며 동의 녹음이 필요합니다.

The 100-voice cap and the G​PT-Live-only restriction are the two that shape architecture. If you are a platform generating a voice per customer, you have a hard ceiling and no fallback path into the cheaper speech APIs.

전체 프리셋 목록, 그리고 그것이 부족한 부분

The nine additions land on top of a library that O​penAI's Live voice guide now lists twenty-one deep, plus marin/ as the default. Read as a whole, the list says something about who O​penAI expects to be building:

• 영어 — 하나가 아니라 여섯 개의 지역별 컬러. Quartz와 Ripple은 호주식이고, Vesper는 영국식이며, Willow와 Stone은 아일랜드식이고, Gleam과 Meridian은 북미식이며, Beacon은 필리핀식이고, Delta와 Cinder는 미국 남부식이다. 그중 네 개는 Natural이 아니라 Generated로 표시되어 있다.

• 포르투갈어 — Bossa와 Tempo, 둘 다 브라질식, 둘 다 Natural.

• 독일어 — Nuri, Juni, Flitz. 여성형 둘, 남성형 하나.

• 프랑스어 — Brise와 Sillage. 하나는 여성형, 하나는 남성형.

• 일본어 — 하레마와 시다. 하나는 여성적, 하나는 남성적.

• 힌디어 — Nira. 여성형만.

• 한국어 — 노을. 여성형만.

Two asymmetries fall out of that. First, German gets three voices while French, Japanese, Hindi and Korean get two, two, one and one — an allocation that tracks O​penAI's European market priorities more than it tracks speaker populations. Second, Hindi and Korean each get exactly one voice, and both are feminine. If your product needs a masculine Hindi or Korean voice from the preset library, there isn't one, and your options are a recording-based voice or a prompt-generated one. That is precisely the gap prompt-to-voice was released to fill, arriving the same day — which suggests the sequencing is not a coincidence.

이 가이드는 또한 쉽게 오해할 수 있는 점을 짚습니다. "지역적 영향(regional influence)"은 음성의 말하기 스타일을 설명하는 것이지, 그 음성이 말할 수 있는 언어에 대한 엄격한 제약이 아닙니다. 독일어 라벨이 붙은 음성이 독일어 입력에 적합한 선택이라고 가정하지 말고, 앱이 실제로 접하는 언어와 발음에 비추어 후보 음성을 테스트하세요.

통화 중에는 변경할 수 없는 설정. 보이스는 시작 시점 설정입니다. audio.output.voice/는 세션을 만들 때 지정하며, 변경하려면 새 세션을 시작해야 합니다. 포크는 원본 세션의 모델, 원래 지침과 입력을 상속하므로, 두 보이스를 비교하려면 하나의 세션 안에서 전환하는 대신 동일한 구성으로 두 개의 세션을 만들어야 합니다. 실제 사용자를 대상으로 보이스를 A/B 테스트한다면, 이는 플래그를 켜서 전환하는 세션 하나가 아니라 두 개의 세션 팩토리를 의미하며, 모든 비교가 양쪽 모두에서 전체 세션 시간을 소모한다는 뜻입니다.

백엔드가 어디에 놓이는지, 그리고 그것이 왜 그 결정에서 더 저렴한 절반인지

The voice is the half of a Live session that users hear. The other half is delegation: G​PT-Live listens and speaks while a backend model or agent does the reasoning and tool work, and backend usage is billed separately at normal rates. O​penAI's own cost guidance makes the arithmetic blunt — full active session time is billable including while the backend works, and using a faster backend model with parallel tool calls so the user finishes a minute earlier saves $0.05 in voice charges. The voice rate is fixed per minute; the backend is the dial.

That is where a router earns its place rather than being bolted on. Client delegation lets you point a G​PT-Live session at your own agent, harness or service — which means the delegated backend can be any model, and the useful version of "any model" is one key and one endpoint rather than a contract per provider. OrcaRouter fronts 200-plus models at provider list price with no markup, so a backend price cut reaches you the same day it lands, and automatic failover covers a provider having a bad afternoon without the user hearing it. The routing DSL lets you compose the reasoning step out of several models instead of betting the conversation on one, which is the shape you want for a delegated backend that has to answer inside a live conversation's latency budget.

One boundary to state plainly: OrcaRouter does not host G​PT-Live-1, and nothing in this release changes that. The router's role in a Live architecture is behind the delegation boundary, not in front of the voice.

이번 주에 무엇을 할까요

이미 프리셋 음성으로 Live 제품을 출시하고 있다면, 새로 추가된 아홉 가지는 비영어권 사용자들이 실제로 제대로 서비스를 받고 있는지 테스트할 수 있는 공짜 기회입니다 — 일부 세션에서만 음성을 바꿔 보고 귀를 기울여 보세요. 다만 그 교체에는 실험군마다 새 세션 하나가 든다는 점을 기억하세요.

브랜드 적합성 때문에 막혀 있었다면, 이제 프롬프트-투-보이스는 하루쯤 실험해 볼 가치가 있습니다. 다만 나중에 골칫거리가 될 주의사항이 하나 있습니다. 설명 텍스트를 빌드 산출물로 취급하세요. 버전을 관리하고, 반환된 ID를 그 옆에 보관하고, 재생성해야 할 것이라고 가정하세요. 조직당 100개 보이스 상한이 있고 생성 시점에는 미리보기가 없기 때문에, 화요일에 마음에 들었던 보이스는 의도적으로 다시 만들어낼 수 있어야 하는 대상입니다.

And if you are building the whole system rather than just the voice, the more consequential October change may be the one nobody wrote a blog post about. A day before the voices landed, G​PT-Live picked up native Decisions integration — the ability to act while the user is still mid-sentence. A voice that fits is a product decision. A backend that answers before the user finishes asking is an architecture one.

그중 어느 것도 가정이 아닙니다: 이번과 같은 릴리스의 배경이 된 문서화된 AI 실패와 에이전트 사고는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 분쟁 플래그가 함께 제공됩니다.