OpenAI, 실시간 번역 모델 출시: 즉각적인 언어 장벽 해체

교차 언어 커뮤니케이션의 새로운 시대

2026년 5월 7일, OpenAI가 획기적인 실시간 음성-음성 번역 모델을 공개했다. 이전의 ASR → MT → TSS 파이프라인(각 단계에서 누적 지연 발생)과 달리, 이 새 모델은 단일 통합 아키텍처에서 직접 음성-음성 번역을 수행하여 300ms 미만의 end-to-end 지연 시간을 달성한다.

결과는 대화에서 자연스럽게 느껴지는 거의 즉각적인 번역. 다른 언어를 말하는 두 사람이 같은 언어의 원어민과 거의 같은 케이던스로 대화할 수 있다.

모델 작동 방식

OpenAI의 모델은 소스 언어 음향 특징에서 대상 언어 음향 특징으로 공유 다국어 잠재 공간을 통해 직접 매핑한다.

핵심 기술:

• 통합 인코더-디코더 아키텍처, 수백만 시간의 다국어 음성 데이터로 훈련
• 스트리밍 추론 — 화자가 문장을 마치기 전에 번역 오디오 생성 시작
• 음성 보존 — 화자 임베딩 기술로 원래 화자의 음성 특성 유지
• 컨텍스트 인식 번역 — 대화 기록 활용

API 접근

curl https://api.openai.com/v1/audio/translations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F "audio=@conversation.wav" \
  -F "source_language=ja" \
  -F "target_language=en" \
  -F "mode=streaming" \
  -F "voice_preservation=true" \
  -o translated_audio.wav

References

• OpenAI Official Blog: Real-Time Speech Translation
• OpenAI API Documentation