Huny's Dev Blog
huny.dev

말이 없을 때 음성 세션을 끊지 않는 법: GPT-Live WebRTC 대기 모드

GPT-Live WebRTC에서 연결과 추론을 분리해 대기하는 방법, 마이크 상태와 과금, 장시간 유휴 시 종료 기준을 살펴본다.

Hun Jang
Hun Jang Nov 23, 2026

마이크와 음성 처리 장치의 연결은 유지하면서 추론을 쉬는 대기 상태를 표현한 AI 생성 개념 이미지.

음성 앱에서 사용자가 말을 멈췄다고 연결까지 끊을 필요는 없다. OpenAI가 11월 19일 발표한 GPT-Live WebRTC 대기 모드는 연결을 유지하면서 추론을 쉬게 하고, 말소리가 감지되면 같은 세션에서 대화를 이어간다. 짧은 말 사이에는 대기 모드를 쓰고, 사용자가 한동안 돌아오지 않을 때는 세션을 닫는 편이 낫다. 대기 상태도 유료이고, 마이크를 끈 상태도 아니다. 공식 변경 사항

연결 상태와 추론 상태를 분리한다

WebRTC 연결이 맺어진 뒤에도 첫 발화를 기다릴 수 있다. 발화가 감지되면 추론이 재개되고, 이후 일정 시간 동안 입력·출력 전사가 없으면 다시 대기로 돌아간다. 이때 세션 ID와 연결은 유지된다. 같은 대화를 이어갈 수 있지만 대기 직후 짧은 발화의 첫 응답은 더 늦어질 수 있다.

다음은 WebRTC 세션 생성 시 넣는 session 설정 조각이다. SDP 교환과 인증을 포함한 전체 요청은 아니다. 이 기능은 GPT-Live-1과 GPT-Live-1.1의 WebRTC 세션에 적용된다. WebSocket이나 SIP에서도 그대로 동작한다고 가정하지 않는다.

idle_timeout_s는 5~60초의 정수다. 생략하면 처음 깨어난 뒤 세션이 종료될 때까지 추론이 활성 상태로 남는다. 말소리 감지 민감도를 조정하는 wake_policy.vad_threshold의 기본값은 0.5이며, 값을 높이면 더 뚜렷한 말소리가 필요하다. 시끄러운 곳에서만 시험하면 조용한 목소리나 짧은 대답을 놓치는지 판단하기 어렵다. 세션 관리 문서

화면 표시와 비용은 상태 이벤트로 확인한다

서버 측 제어 연결(sideband)이나 해당 이벤트가 허용된 WebRTC 데이터 채널에서 session.paused와 session.resumed를 확인한다. 전자는 설정한 시간 초과로 대기 상태에 들어갔다는 뜻이고, 후자는 첫 깨우기를 포함해 추론을 할 준비가 됐다는 뜻이다. 연결 표시와 마이크 표시는 이 두 이벤트와 별개로 관리한다. 대기 중에도 마이크 트랙이 살아 있어야 말소리를 감지할 수 있기 때문이다. 사용자가 음소거를 선택했다면 대기 아이콘만 바꾸는 것으로 대신하지 않는다.

공식 요금표는 두 모델 모두 활성 분당 $0.05, 대기 분당 $0.02를 제시하며 초 단위로 과금한다. 10분 동안 활성 4분, 대기 6분이었다면 음성 세션 과금의 단순 예시는 $0.32다. 10분 내내 활성이라면 $0.50이다. 실제 계산에는 발화 시간 대신 활성 구간을 쓴다. 말이 끝나도 타임아웃이 지나기 전까지 활성 상태일 수 있다. 공식 요금표

긴 자리 비움은 별도 정책으로 다룬다

대기가 길어질 수 있다면 음성 세션을 종료할 조건을 앱에서 따로 정한다. 응답이 아직 재생 중이거나 현재 세션이 필요한 일이 남았다면 바로 닫지 않는다. 종료한 뒤에는 해당 세션이 사용자 말을 듣지 못하므로, 사용자가 다시 시작할 수 있는 버튼을 두고 필요한 대화 요약과 작업 상태만 다음 세션에 전달하는 방법이 단순하다. 유휴 세션 종료와 재시작

도입 전에는 첫 발화, 침묵 후 재발화, 짧은 “네”, 배경 소음, 사용자가 직접 음소거한 경우를 나눠 시험한다. 대기·재개 순서와 첫 응답까지 걸린 시간을 함께 보면, 타임아웃을 줄였을 때 실제로 나아지는지 판단하기 쉽다. 이 글의 수치와 상태 전이는 공식 문서에 따른 것이며, 실제 API 호출·청구 또는 지연을 측정한 결과는 아니다.

추천 글