ChatGPT 음성 기능이 내가 생각지도 못한 것들을 듣고 수행할 수 있다니 놀랍다.

지금까지 나는 이게 단순히 내가 말한 내용을 받아쓰고, 그 텍스트를 모델에 입력한 뒤 응답을 다시 읽어주는 방식이라고만 생각했어. 그래서 호기심에, 단순히 무슨 말을 하는지가 아니라 내가 어떻게 말하고 있는지 알 수 있는지 물어봤지.

그래서 바로 무작위 테스트를 시작했어.
문장을 속삭여봤더니, 즉시 내가 속삭이고 있다는 걸 알아채고 심지어 내가 의도한 톤까지 묘사하더라고. 그다음엔 극적인 큰 목소리로 바꿔봤는데, 그것도 바로 잡아냈어.
다음은 억양 테스트였어. 서아프리카 억양(내 모국어 억양)으로 말했더니 대략적인 지역을 정확히 맞혔어. 그다음엔 과장된 미국 서부/카우보이 억양으로 바꿨는데, 거의 즉시 인식하더라.

정말로 잠시 멈칫하게 만든 부분은 **“tomato”**를 두 가지 방식(“to-MAY-to”와 “to-MAH-to”)으로 발음했을 때였어. 내가 사용한 발음 두 가지를 전부 다 인식한 거야.

그다음엔 “좋아, 어디까지 가나 보자” 싶었지.
몇 가지 연기 프롬프트를 주고 두려움, 냉소, 흥분을 포함한 장면을 즉흥적으로 연기해달라고 했어. 별 기대는 안 했는데, 감정을 진짜 완벽하게 살리더라고. 속도, 망설임, 작은 웃음소리, 흥분까지… 내가 예상했던 것보다 훨씬 더 설득력 있었어.

휘파람, 클릭 소리, 박수 소리(마이크가 잘 잡아낸다는 가정하에) 같은 비언어적 소리도 인식할 수 있다는 걸 알게 됐어.
음성 모드를 많이 써본 사람들에겐 당연하게 들릴지 모르겠지만, 난 이런 부가적인 요소들까지 다 신경 쓰고 있는 줄은 정말 몰랐거든.

대화형 AI가 발전하는 속도는 정말 엄청나. 몇 년 전만 해도 AI랑 이런 대화를 나눌 수 있을 거라곤 상상도 못 했어. 오늘 이 정도가 가능하다면, 5년이나 10년 뒤엔 대체 어떤 모습일지 정말 상상조차 안 돼.