OpenAI, Realtime API WebRTC 모드 정식 GA—브라우저 직접 음성 연결

무엇이 달라졌나

OpenAI Realtime API는 기존에 WebSocket 방식만 지원해 클라이언트 오디오를 백엔드 서버가 중계한 뒤 모델로 전달해야 했다. 이번 WebRTC 모드 GA로 브라우저의 RTCPeerConnection을 직접 OpenAI 미디어 엔드포인트에 연결할 수 있다. 세션 토큰은 서버에서 단 한 번 발급하면 되며, 이후 오디오 스트림은 P2P에 준하는 경로로 전달된다.

성능 수치 및 요금

• 레이턴시: WebSocket 대비 평균 35% 감소 (내부 벤치마크 기준, 서울 리전 포함)
• 지원 코덱: Opus 48kHz, G.711 (μ-law/a-law)
• 동시 세션: 계정 티어별 상이, Tier 4 기준 1,000 동시 세션
• 요금: 공식 페이지 참조 (음성 입·출력 토큰 단가는 기존 WebSocket 모드와 동일 구조 유지)

한국 개발자 실전 적용 포인트

// 세션 토큰 발급 (서버 사이드 1회)
const { client_secret } = await openai.beta.realtime.sessions.create({
  model: 'gpt-4o-realtime-preview',
  voice: 'alloy'
});

// 이후 브라우저에서 직접 WebRTC 연결
const pc = new RTCPeerConnection();
const offer = await pc.createOffer();
await pc.setLocalDescription(offer);
// OpenAI WebRTC 엔드포인트로 SDP 교환

네이버 클라우드·카카오 음성 서비스와 혼합 아키텍처를 구성할 때 백엔드 오디오 파이프라인을 제거할 수 있어 인프라 비용 절감 효과가 크다. 단, 클라이언트에 세션 토큰이 노출되지 않도록 만료 시간(기본 60초) 설정을 반드시 확인해야 한다.