Standard Voice Mode가 링크, 서식, 이미지 데이터를 그대로 읽어주는 문제 해결 방법 아시는 분?

나 몇 년 동안 출퇴근할 때 ChatGPT 음성 기능 진짜 잘 써왔거든. 최근까지는 거의 'Standard Voice Mode'만 썼는데, 요즘 문제 하나 때문에 도저히 못 써먹을 지경이야.

이거 잘 모르는 애들을 위해 설명하자면, 원래 ChatGPT 음성 기능은 그냥 일반 채팅 모델 위에 음성 인식(STT)이랑 음성 합성(TTS) 레이어 얹어놓은 거였어. 그러니까 평소에 텍스트로 대화하던 그 모델이랑 그냥 말로 대화하는 거랑 똑같았지.

그러다 OpenAI가 일반 텍스트 모델 대신 전용 음성 모델을 쓰는 'Advanced Voice Mode'를 내놨잖아. 그래도 기존 시스템은 'Standard Voice Mode'라는 이름으로 남겨뒀었고.

최근에는 Advanced Voice보다 훨씬 개선된 'GPT-Live'가 나왔는데, 난 여전히 대화할 때 GPT-6.1 Sol이 훨씬 똑똑해서 이쪽을 더 선호해.

Live 쓰면서 제일 빡치는 건 자꾸 말 끊어먹고, 쓸데없는 추임새 넣고, 기본적인 지시사항도 잘 못 알아먹고, 대답을 너무 짧게 한다는 거야. 게다가 뭐 대답할 때마다 "확인 중입니다"라고 읊조리는 것도 진짜 거슬려.

내 생각에 Standard Voice보다 나은 점은 딱 하나, 말하는 도중에 끊고 끼어들 수 있어서 대화가 좀 더 자연스럽다는 거 정도?

그래서 내가 그동안 Standard Voice만 고집했던 거야. 텍스트 모델 특유의 지능, 추론 능력, 긴 답변, 메모리 활용도, 지시사항 이행 능력까지 다 챙기면서 그냥 말로 대화할 수 있었으니까.

근데 안타깝게도, 최근에 Standard Voice가 완전히 맛이 가버렸어.

이제는 대화랑 상관없는 서식 같은 것까지 다 읽어대. 예를 들면 이런 식이야:

• 링크를 읽을 때 URL 전체를 하나하나 다 읽어버림.

• 이미지가 있으면 파일명, 버퍼 정보, 패딩 값 같은 걸 다 읊음.

• 그 외에도 원래 읽으면 안 되는 서식들까지 다 읽어대고 있음.

이게 너무 거슬려서, Standard Voice의 성능을 훨씬 선호하는데도 어쩔 수 없이 Live Voice로 갈아탔어.

혹시 나랑 똑같은 증상 겪는 사람 있어? 더 중요한 건, Standard Voice를 다시 정상적으로 돌릴 방법이나 꼼수 아는 사람 있냐?

그냥 음성 대화 좀 하겠다고 텍스트 모델의 그 뛰어난 성능을 포기하고 싶지는 않거든.