구글 Gemini 3.5 Transcribe, 85개 언어서 말실수 자동 교정

제미니 3.5 트랜스크라이브는 단순히 말을 녹음하는 데 그치지 않습니다. 말한 내용을 의도한 내용으로 변환합니다. 화자가 문장 중간에 수정할 때 — ‘화요일로 일정 잡아주세요, 아니요, 수요일로’ — 모델은 ‘수요일’을 출력하고 수정 부분은 버립니다. 불필요한 말은 사라집니다. 배경 소음도 문제 되지 않습니다. 결과는 가공되지 않은 원시 오디오가 아니라 정리된 형식의 텍스트로 제공됩니다.

인터뷰, 팟캐스트 또는 다국어 콘텐츠를 녹음하는 사람에게 이 차이는 전체 워크플로우입니다. 시중의 모든 전사 도구는 ‘무엇이 말해졌는지’ 처리합니다. 이후에 사람 편집자가 나머지를 정리했습니다. 구글은 이제 그 편집기를 모델 자체에 내장하고 있습니다.

모델은 두 가지 API 경로를 지원합니다. Live API는 지연 시간이 1초 미만인 연속 양방향 스트리밍을 처리합니다. 즉, 실시간 음성 에이전트, 고객 서비스 봇 등 즉시 전사가 필요한 용도에 적합합니다. Interactions API는 녹음된 오디오(회의, 통화 기록, 인터뷰)를 처리하며 최대 3명의 화자 정보와 타임스탬프를 제공합니다. 두 경로 모두 스트리밍 모드에서 단어 오류율(WER) 4.0%, 비스트리밍 모드에서 2.6%를 달성했습니다. 독립적인 벤치마킹 업체 Artificial Analysis가 측정한 결과입니다. 구글의 이전 음성-텍스트 모델인 Chirp 3는 최종 전사까지 70% 더 많은 시간이 필요했습니다.

소비자 측면의 출시는 더 소박합니다. Android에서 Gboard Rambler는 이미 제미니 3.5 트랜스크라이브를 음성-텍스트 입력에 사용하고 있습니다. 제미니 macOS 앱은 영어로 Speak to Window 기능을 지원합니다. Chrome은 ‘곧 출시 예정’으로 표시되어 있으며, 사용자가 앱 전환 없이 웹 필드(답글, 게시물, 양식)에 음성 입력할 수 있게 됩니다. 구체적인 출시 일정은 확인되지 않았습니다.

모델의 한계도 중요합니다. 다중 화자 정보는 최대 3명으로 제한되어, 패널이나 원탁 토론 등 더 많은 참가자가 있는 경우 해결 방법이 필요합니다. 소비자용 Rambler 앱은 현재 ‘선택된 국가 및 언어’에서만 사용 가능하며, 모델이 지원하는 85개 언어 전체가 아닙니다. 구글은 API 요금을 발표하지 않았으며, 현재 Google AI Studio를 통해 공개 미리보기 중입니다. 기업 액세스는 Gemini Enterprise Agent Platform을 통해 제공되며, 요금은 별도 협상됩니다. 소규모 제작자에게는 비용 문제가 여전히 미해결 상태로 남아 있습니다.

경쟁 구도도 중요합니다. OpenAI의 Whisper는 여전히 독립 개발자들의 기본 선택이며, 영어 오디오에서 단어 오류율 5~7%를 기록하고, 불필요한 말 제거와 포맷팅을 위한 후처리 코드가 필요합니다. AssemblyAI 및 Deepgram과 같은 서비스는 화자 분리 기능을 제공하지만 제미니 3.5 트랜스크라이브가 기본적으로 적용하는 자연어 수정 기능은 내장하고 있지 않습니다. 그 차이는 측정 가능하지만, 85개 언어 중 어려운 영역(지역 억양, 저자원 언어, 잡음 환경)에서 그 차이가 어떻게 유지되는지는 독립적인 테스트를 통해 확인해야 합니다.

구글의 장기 방향성을 가장 잘 보여주는 기능은 Chrome 통합입니다. 웹 필드에서 음성 입력이 가능해지면 이 모델은 더 이상 개발자 도구가 아니라 사람들이 입력하는 방식의 인프라가 됩니다. 그 변화의 출시 일정은 아직 확인되지 않았습니다.

태그: Google, AI, Gemini, audio-ai, creator-tools, speech-to-text