회의 녹음 파일, 이제 챗GPT에 바로 올려 요약할 수 있을까? 챗GPT 오디오 업로드·OpenAI 수학 성과 공개·Decisions API 3건
챗GPT 유료 요금제에서 회의·인터뷰·강의 녹음 파일을 직접 올려 받아쓰기와 요약, 질문을 할 수 있게 됐습니다. OpenAI는 내부 프런티어 모델이 만든 수학 연구 결과를 Lean 형식 증명과 함께 GitHub에 공개했고, 개발자용으로는 분류·판정 답을 빠르게 돌려주는 Decisions API 베타와 3단계로 줄인 API 이용 등급을 내놓았습니다. 공식 원문으로 확인한 3건을 교육·업무 관점으로 정리했습니다.
발행 · 한국 시간 · AI 초안 및 원문 대조를 거친 누구나AI 편집
오늘 오전 호 이후 정리한 소식으로, 세 건 모두 OpenAI가 미국 시간 10월 6일 공개했습니다. 오디오 업로드 조건·형식·용량은 OpenAI 도움말과 릴리스 노트 기준이며 직접 사용해 검증한 결과가 아닙니다. 수학 성과는 OpenAI 자체 발표이며 결과의 수학적 타당성은 외부 수학계 검토가 진행 중입니다. Decisions API는 공개 베타이며 정식 출시 시점·조건은 바뀔 수 있습니다.
오늘 AI 뉴스의 핵심은?
네, 유료 요금제라면 가능합니다. OpenAI는 10월 6일 챗GPT에 오디오 파일 업로드를 추가해 녹음을 받아쓰고 요약하거나 내용에 대해 질문할 수 있게 했습니다. 무료 요금제는 아직 지원하지 않고, 파일은 최대 512MB이며 받아쓰기에 오류가 있을 수 있습니다.
먼저 읽는 핵심 요점
챗GPT 오디오 업로드는 유료 구독과 워크스페이스에서만 쓸 수 있고 MP3·M4A·WAV 등 오디오 형식을 최대 512MB까지 올릴 수 있습니다.
OpenAI는 내부 모델이 낸 수학 결과를 GitHub에 공개하며 Lean 형식 증명, 추론 요약 10건, 결과당 평균 챗GPT Pro 약 3시간 분량의 연산 추정치를 함께 밝혔습니다.
Decisions API는 텍스트·이미지를 보고 '예/아니요 확률·선택지·점수'를 Responses API보다 약 10배 빠르게 돌려주는 개발자용 베타입니다.
01 / AI 도구
챗GPT에 녹음 파일 올려 받아쓰기·요약: 유료 요금제, 최대 512MB, MP3·M4A·WAV 지원
발표일 2026-10-06 · 사건·업데이트일 2026-10-06
OpenAI는 10월 6일 챗GPT 릴리스 노트에서 오디오 파일 업로드 기능을 발표했습니다. 대화창에 녹음 파일을 첨부하고 원하는 작업을 적으면 받아쓰기(트랜스크립트), 요약, 내용에 대한 질의응답을 할 수 있고, 회의·인터뷰·강의 녹음을 구조화된 노트나 후속 이메일 초안으로 바꿀 수 있습니다. 도움말에 따르면 유료 챗GPT 구독과 워크스페이스(Enterprise 포함)에서만 쓸 수 있고 무료 요금제는 현재 지원하지 않습니다. 지원 형식은 WAV, MP3/MPEG, OGG/OGA, 오디오 전용 WebM, PCM, FLAC, AAC, M4A, 오디오 전용 MP4이며 파일당 최대 512MB입니다. 긴 녹음은 데이터 분석 기능이 있으면 작은 구간으로 나눠 처리하지만 매우 긴 녹음은 시간 초과될 수 있습니다. OpenAI는 받아쓰기에 오류가 있을 수 있고 화자 구분이 정확하지 않을 수 있으며 언어별 성능이 다를 수 있다고 안내했습니다.
우리의 일과 배움에는
강의·회의·상담 녹음을 정리하는 데 별도 받아쓰기 앱을 거치지 않고 챗GPT 한곳에서 요약과 후속 문서 작성까지 이어 갈 수 있게 됐습니다. 누구나AI 편집 해설: 화자 구분이 불안정할 수 있으므로 '누가 무엇을 말했는지'가 중요한 회의록은 사람이 이름을 확인하고, 녹음 전에 참석자에게 AI 정리 사실을 알리는 습관을 함께 들이는 것이 좋습니다.
누구나AI 편집 해설
AI 생성 편집 이미지 · 실제 발표 현장이나 공식 제품 화면이 아닙니다.
한눈에 이해하기
OpenAI는 10월 6일 챗GPT 유료 요금제에 오디오 업로드를 추가해 최대 512MB 녹음 파일을 받아쓰고 요약·질의응답할 수 있게 했습니다.
이렇게 활용해보세요
챗GPT 유료 계정에서 대화창에 MP3·M4A 같은 녹음 파일을 첨부하고 '받아쓰기 후 결정 사항·남은 질문·다음 할 일로 정리해 줘'처럼 원하는 결과 형식을 적습니다.
요약을 받은 뒤 '출시 일정에 대해 뭐라고 했어?'처럼 특정 내용을 다시 물어 필요한 부분만 뽑아냅니다.
OpenAI, 내부 모델이 낸 수학 연구 결과 공개: GitHub 저장소·Lean 형식 증명·연산량 추정 함께 공개
발표일 2026-10-06 · 사건·업데이트일 2026-10-06
OpenAI는 10월 6일 내부 프런티어 모델이 만든 다양한 수학 연구 결과를 공개한다고 발표했습니다. 결과는 논문 수정·인용 절차를 갖춘 GitHub 저장소로 공개하며, 상당수 증명을 컴퓨터로 검증할 수 있는 Lean 형식으로 함께 올리고 형식화가 끝나는 대로 추가하겠다고 밝혔습니다. 투명성을 위해 모델 추론 요약 10건, 챗GPT Pro 사용량 기준 연산량 추정, 시도한 문제 수 통계도 함께 공개했는데, OpenAI는 결과 하나에 평균적으로 챗GPT Pro 사고 약 3시간 분량의 연산이 들었다고 설명했습니다. 공개 방식은 미국 고등연구소(IAS)의 독립 자문그룹(수학과 인공지능 자문그룹)의 조언과 공개 권고를 참고했으며, AI가 만든 주요 결과를 이해하기 위한 워크숍·학회·특별 프로그램을 지원하고 결과를 만든 모델을 책임 있게 공개하는 방안을 준비 중이라고 밝혔습니다.
우리의 일과 배움에는
AI가 연구 보조를 넘어 새로운 수학 결과를 내는 단계에서, 결과를 어떻게 공개하고 검증할지 기준을 함께 제시했다는 점이 의미 있습니다. 누구나AI 편집 해설: 교육 현장에서는 'AI가 풀었다'는 소식보다 '컴퓨터로 검증 가능한 형식 증명과 공개 절차를 갖췄는가'를 확인하는 습관을 가르치기 좋은 사례입니다. 결과의 학문적 평가는 수학계 검토를 지켜봐야 합니다.
누구나AI 편집 해설
AI 생성 편집 이미지 · 실제 발표 현장이나 공식 제품 화면이 아닙니다.
한눈에 이해하기
OpenAI는 10월 6일 내부 모델이 만든 수학 결과를 GitHub에 공개하고 Lean 형식 증명, 추론 요약 10건, 결과당 평균 챗GPT Pro 약 3시간 분량의 연산 추정치를 함께 밝혔습니다.
이렇게 활용해보세요
수업이나 연수에서 AI 연구 성과를 소개할 때 원 발표와 함께 검증 방법(Lean 형식 증명, 외부 자문)을 나란히 보여 줍니다.
학생·동료와 'AI가 만든 결과를 믿으려면 무엇이 필요할까'를 주제로 출처·검증·재현 가능성 체크리스트를 만들어 봅니다.
OpenAI Decisions API 베타: 분류·판정 답을 약 10배 빠르게, API 이용 등급은 5단계에서 3단계로
발표일 2026-10-06 · 사건·업데이트일 2026-10-06
OpenAI는 10월 6일 개발자 변경 기록에서 Decisions API를 gpt-6-luna 모델로 공개 베타 출시했습니다. 텍스트·이미지를 보고 조건이 참일 확률(predicate), 정해진 선택지 중 하나(choice), 기준표에 따른 점수(score)를 돌려주며, OpenAI는 Responses API보다 약 10배 빠르다고 설명했습니다. 가이드에 따르면 입력 토큰 100만 개당 0.10달러이고 출력 토큰 요금은 없으며, 이미지 입력은 base64 데이터 URL만 지원합니다. 몇 주 안에 정식 출시를 예상한다고 밝혔습니다. 같은 날 API 이용 등급도 다섯 단계에서 Build·Launch·Grow 세 단계로 단순화했고, 누적 크레딧 구매액이 기준에 도달하면 자동으로 등급이 올라갑니다.
우리의 일과 배움에는
문의 분류, 사진 불량 판정, 우선순위 매기기처럼 '정해진 답'만 필요한 업무 자동화를 더 빠르고 싸게 만들 수 있는 도구입니다. 누구나AI 편집 해설: 확률·신뢰도 값이 함께 오므로 처음에는 사람이 검토할 기준선(예: 0.8 미만은 사람 확인)을 정해 두고 실제 사례로 맞춰 가는 방식이 안전합니다. 베타 기간에는 조건이 바뀔 수 있습니다.
누구나AI 편집 해설
AI 생성 편집 이미지 · 실제 발표 현장이나 공식 제품 화면이 아닙니다.
한눈에 이해하기
OpenAI는 10월 6일 텍스트·이미지를 보고 확률·선택지·점수를 약 10배 빠르게 돌려주는 Decisions API를 gpt-6-luna로 공개 베타 출시하고, API 이용 등급을 3단계로 줄였습니다.
이렇게 활용해보세요
고객 문의 분류처럼 답이 몇 가지로 정해진 업무 하나를 골라 플레이그라운드에서 choice 질문으로 먼저 시험해 봅니다.
과거 처리 사례 수십 건으로 결과를 비교해 사람이 검토할 확률 기준선을 정한 뒤 자동화 범위를 넓힙니다.
