OpenAI, Realtime API WebRTC 모드 정식 GA — 음성 지연 400ms 이하
OpenAI가 Realtime API의 WebRTC 전송 모드를 정식 일반 공개(GA)하며 평균 왕복 지연을 400ms 이하로 낮췄다. 서버 측 WebSocket 세션 없이 브라우저·모바일 앱에서 직접 저지연 음성 스트리밍을 구현할 수 있어, 실시간 인터랙션 서비스를 구축하는 한국 개발자의 아키텍처가 크게 단순해진다.
무엇이 달라졌나
OpenAI Realtime API는 기존 WebSocket 모드만 지원했으나, 이번 GA를 통해 WebRTC 전송 모드가 공식 프로덕션 등급으로 격상됐다. WebRTC 모드에서는 클라이언트가 OpenAI 엣지 서버와 직접 P2P 유사 채널을 열기 때문에 중간 릴레이 서버를 별도로 운영할 필요가 없다.
주요 수치:
- 평균 왕복 지연(RTT): 400 ms 이하 (이전 WebSocket 모드 대비 약 35% 개선)
- 오디오 코덱: Opus 48 kHz, 적응형 비트레이트
- 동시 세션 한도: Tier 2 이상 계정 기준 100 세션/계정 (공식 페이지 참조)
- 지원 모델:
gpt-4o-realtime-preview계열
개발자가 얻는 실질적 이점
기존 구조에서는 브라우저 → 자체 백엔드 → OpenAI WebSocket 순으로 3홉이 필요했다. WebRTC 모드는 브라우저에서 OpenAI 엣지로 직접 연결하므로 백엔드 음성 릴레이 서버 비용과 유지보수 부담이 제거된다.
// WebRTC 세션 초기화 예시 (공식 SDK 0.9+)
const pc = new RTCPeerConnection();
const session = await openai.realtime.sessions.create({
model: 'gpt-4o-realtime-preview',
transport: 'webrtc',
});
await pc.setRemoteDescription(session.sdp);
한국어 음성 인식 정확도는 공식 벤치마크 기준 이전 대비 WER 8%p 개선으로 발표됐다. 콜센터 자동화, AI 튜터, 실시간 통역 서비스 등에 직접 적용 가능하다.
요금 및 주의사항
요금은 오디오 입출력 토큰 기준으로 부과되며 구체적인 단가는 공식 페이지 참조. WebRTC 모드는 현재 브라우저(Chrome 120+, Firefox 118+)와 iOS 17+/Android 12+ 네이티브 환경을 공식 지원한다. 서버 사이드 Node.js 환경에서는 여전히 WebSocket 모드를 권장하며, WebRTC 모드에서 VAD(Voice Activity Detection) 민감도를 잘못 설정하면 불필요한 토큰 소비가 발생할 수 있으므로 silence_duration_ms 파라미터 튜닝이 필수다.