Gemini 3.8 Live Avatar, 97개 언어 AI 상담원에 얼굴

Google이 음성 대 음성 모델에 입 모양이 말과 맞아떨어지는 실시간 영상 얼굴을 입혔고, 첫 판매처로 고객 상담 창구와 매장을 택했다. 모든 프레임에는 SynthID 워터마크가 들어간다. 출시 문서 어디에도 이 얼굴의 가격은 나오지 않는다.

고객 서비스는 지난 20년 동안 텅 빈 상자를 사이에 두고 사람과 대화해 왔다. 전화 자동응답 메뉴, 채팅 말풍선, 그리고 뒤에 아무것도 없는 합성 음성이 그 상자다. 9월 25일 Google은 Gemini Enterprise에서 Live Avatar를 탑재한 Gemini 3.8 Live를 정식 출시했다. 그 상자를 얼굴로 채우려는 정면 시도다. 아바타는 말을 하고, 말에 맞춰 입술을 움직이고, 표정을 짓고, 뒤에서 정보를 찾는 동안에도 대화를 멈추지 않는다. 97개 언어를 지원하며, 통화 도중 고객이 언어를 바꾸면 아바타도 따라서 바꾼다. Google이 이 제품을 내미는 곳은 시연 무대가 아니라 보험금 청구, 호텔 체크인, 자동차 구매 현장이다. 음성 AI의 돈이 어디에 있다고 보는지가 이 선택에 그대로 드러난다.

얼굴 아래에서 작동하는 것은 Google이 한 주 전에 Extended Thinking 버전과 함께 공개한 네이티브 음성 대 음성 모델 Gemini 3.8 Live다. 음성 대 음성이란 대화를 텍스트로 바꿨다가 다시 음성으로 되돌리는 과정 없이, 모델이 소리를 듣고 곧바로 소리로 답하는 방식을 말한다. 예전 음성 봇은 릴레이 구조였다. 한 시스템이 발신자의 말을 받아 적고, 두 번째 시스템이 무슨 말을 할지 정하고, 세 번째 시스템이 답을 소리 내어 읽었다. 넘겨줄 때마다 지연이 생기고 말투가 깎여 나갔다. 그런 봇이 상대의 말에 끼어들고, 중간에 끊는 말을 놓치고, 기계적인 긴 침묵을 남긴 이유다. 네이티브 모델은 이 릴레이를 없애고 말의 리듬을 하나의 시스템 안에 붙잡아 둔다.

Live Avatar는 이 순환 구조에 스트리밍 영상 계층을 더한다. 음성이 이미 만들어진 뒤에 얼굴을 움직이는 영상 오버레이 기법과 다른 점은, 음성과 영상이 순차적인 단계가 아니라 하나의 실시간 추론 경로 안에서 함께 생성된다는 것이다. 이 결합 덕분에 자연스럽게 말을 주고받을 수 있을 만큼 지연 시간이 낮게 유지되고, 입술이 음절을 뒤쫓지 않고 정확히 맞아떨어진다. 모델은 대화하면서 실시간 카메라 영상과 화면 공유도 읽어 들이고, 고객 화면의 요소를 강조 표시할 수도 있다. 고객은 문제를 말로 설명할 뿐 아니라 직접 보여 줄 수 있고, 에이전트는 답이 있는 곳을 짚어 줄 수 있다.

이 제품이 갑자기 등장한 것은 아니다. Google은 Google Cloud Next 2026에서 Live Avatar를 처음 미리 선보였고, Live 제품군의 뿌리는 2024년으로 거슬러 올라간다. 그해 Gemini Live가 스마트폰 음성 모드로 등장했고, 12월에는 Gemini 2.0과 함께 Multimodal Live API가 개발자에게 공개됐다. 버전이 바뀔 때마다 같은 아이디어가 조금씩 더 나아갔다. 차례를 주고받는 느낌이 드는 순간을 줄이고, 기계임을 들키게 하는 멈칫거림을 줄이는 것이다. 아바타를 알린 소비자용 게시물은 9월 24일에 올라왔다. 연구 과학자 Shuo-yiin Chang(슈오인 창)과 소프트웨어 엔지니어 CJ Zheng(CJ 정)이 Gemini 오디오 팀을 대표해 이름을 올렸다. 기업용 정식 출시는 하루 뒤 Google Cloud 블로그를 통해 뒤따랐다. Google이 누구에게 돈을 받을 생각인지 보여 주는 순서다.

고객 서비스 현장에서는 얼굴보다 그 뒤에서 벌어지는 일이 더 중요하다. Gemini 3.8 Live는 도구 호출과 API 호출을 비동기로 실행한다. 요청을 받았다고 알리고, 대화를 이어 가면서, 뒤에서 주문 내역을 불러오거나 약관을 확인하거나 재고를 조회한다. Google은 대화가 끊기더라도 맥락이나 진행 중인 백엔드 거래를 놓치지 않고 회복한다고 설명한다. 화가 난 고객을 전화 메뉴의 처음으로 되돌려 보내는 가장 흔한 실패가 바로 이것이다. 이 차이는 과소평가하기 쉽다. 데이터베이스 응답을 기다리며 6초 동안 입을 닫는 봇은 고장 난 것처럼 느껴진다. 확인 중이라고 말하며 대화를 이어 가는 봇은 창구 직원처럼 느껴진다.

Google이 대표 사례로 내세운 것은 보험금 청구다. 고객이 휴대전화 카메라로 파손 부위를 비추며 상황을 말하면, 에이전트는 대화하는 동안 청구 기록을 채운다. 그사이 Google의 Agent Development Kit로 만든 백그라운드 에이전트 팀이 보험 계약 내용을 확인하고 손해사정사에게 필요한 서류 묶음을 꾸린다. 이 에이전트 팀의 코드는 출시 자료에 오픈소스 예제로 링크돼 있다. Google이 개발자에게 베끼라고 내놓은 것은 얼굴만큼이나 이 구조라는 신호다. 또 다른 사례는 좀 더 평범한 호텔 체크인이다. 두 사례가 그리는 설계는 같다. 아바타는 업무 흐름의 앞단이지, 대본을 읽는 말하는 얼굴이 아니다.

두 번째 축은 언어 처리다. 언어 감지는 자동으로 이뤄진다. Google에 따르면 아바타는 같은 세션 안에서 97개 언어를 오가도 영상 품질이 떨어지거나 화면이 어긋나지 않는다. 입 모양도 이전 언어의 형태에 머물지 않고 새 언어에 맞게 바뀐다. 전환할 때 상담원 연결이나 시스템 재로딩이 필요 없고, 눈에 띄는 멈춤도 없다. 인도, 나이지리아, 필리핀의 상담 전화처럼 고객이 한 통화 안에서 두세 개 언어를 오가는 것이 일상인 시장에서는, 이것이 쓸 만한 시스템과 전화한 이유를 말하기도 전에 메뉴에서 언어부터 고르게 하는 시스템을 가르는 차이다.

규모를 가장 선명하게 보여 주는 곳은 인도에서 개인용 AI 비서를 만드는 Equal AI다. 다만 이 회사의 수치는 아바타가 아니라 음성 모델에 관한 것이다. 회사 측은 이미 인도 9개 언어로 하루 100만 건이 넘는 실시간 통화를 처리하고 있다고 밝혔다. 최고경영자 Akhilesh Damaraju(아킬레시 다마라주)는 끼어들기 대응 개선, 더 믿을 만한 다국어 대화, 더 안정적인 도구 호출을 Gemini 3.8 Live의 공으로 돌린다. 같은 응대 시간과 근무 편성을 사람 상담원으로 맞추려 한다면 이 정도 통화량은 경제적으로 감당할 수 없다. 이런 도입의 설계 전제는 개념 증명이 아니다. 처리량이고, 이 규모에서는 대화 한 턴에서 줄인 1초가 차곡차곡 쌓인다.

출시 발표에 등장한 다른 이름들은 시장의 서로 다른 끝을 가리킨다. Cox Automotive는 Autotrader를 위해 대화형 아바타를 만들었다. 구매자가 원하는 차를 자기 말로 설명하면 조건에 맞는 차량을 화면에 강조해 보여 주고, 검색과 비교, 금융 도구를 호출한다. Cox Automotive의 최고제품책임자 Marianne Johnson(메리앤 존슨)은 이를 필터와 메뉴를 대체하는 것으로 규정한다. Salesforce는 자사 AI Research 팀이 Google과 함께 Gemini 3.8 Live를 서비스용 에이전트 플랫폼 Agentforce와 결합하는 작업을 하고 있다고 밝혔다. Agentforce 제품 담당 부사장 Bob Van Osten(밥 밴 오스텐)은 이 협력을 첫 접촉부터 해결까지 서비스 건을 끌고 가는 새로운 방법을 찾는 일로 설명한다. 자체 AI 비서를 개발하는 Specs는 소프트웨어 엔지니어 Eric Walsh(에릭 월시)를 통해 테스트에서 확인한 음성 구간 감지 개선과 지연 시간 단축을 짚었다.

생성되는 음성과 영상은 1초도 빠짐없이 SynthID 워터마크를 담는다. 이 시스템은 Google DeepMind가 2023년 이미지용으로 내놓은 뒤 텍스트, 오디오, 영상으로 넓힌 것으로, 사람은 보거나 들을 수 없지만 소프트웨어는 감지할 수 있는 신호를 심는다. Google은 압축이나 재인코딩 같은 흔한 변환을 거쳐도 살아남도록 설계했다. 상담 통화에서 내보낸 영상이 다른 곳에 올라가더라도 출처를 확인할 수 있다는 뜻이다. 이번 출시에서 가장 구체적인 안전 약속이며, 기본 제공 아바타든 맞춤형 아바타든 모두 적용된다. 두 번째 안전장치는 절차다. 맞춤형 아바타는 기업 허용 목록과 별도의 인증 절차를 거쳐야만 만들 수 있다. 사진 한 장과 음성 샘플만으로 실존 인물을 복제할 수 있다는 당연한 우려에 대한 Google의 답이다.

워터마크는 유럽 사업에도 때맞춰 도착했다. Live Avatar는 미국과 유럽연합(EU)에 엔드포인트를 두고 제공된다. EU의 AI법에는 2026년 8월부터 적용되는 투명성 규정이 있다. 사람들이 AI 시스템을 상대하고 있다는 사실을 알려야 하고, 합성된 음성과 영상에는 기계가 읽을 수 있는 방식으로 표시를 해야 한다. SynthID가 해결하는 것은 두 번째 의무다. 첫 번째 의무는 아바타를 도입하는 쪽의 몫이다. 아무도 볼 수 없는 워터마크로는 화면 속 친절한 얼굴이 생성된 것이라고 통화 상대에게 알릴 수 없기 때문이다. 표시는 Google이 제공할 수 있다. 그러나 고지는 그 얼굴을 고객 앞에 세우는 은행, 보험사, 호텔 체인이 직접 해야 한다.

출시에서 빠진 것은 가격이다. 두 발표 모두 아바타 계층의 금액을 밝히지 않는다. Cloud 게시물은 Google의 생성형 AI 전반 요금 페이지와 프로비저닝된 처리량을 안내할 뿐이고, 확보 용량과 맞춤형 아바타 모두 영업 담당자를 거쳐야 한다. 기업은 엄선된 기본 얼굴 라이브러리에서 고를 수도 있고, 참조 사진 한 장과 음성 샘플, 시스템 지침을 바탕으로 자체 얼굴을 만들 수도 있다. 다만 맞춤형 경로는 셀프서비스가 아니라 문턱이 있다. Live 모델의 Extended Thinking은 아직 비공개 프리뷰 단계여서, 당분간 Google의 다른 Gemini 모델보다 추론 깊이에 한계가 있다. 지연 시간 수치와 동시 세션 한도도 공개되지 않았다. 이렇게 제한된 모습은 가격과 용량을 게시하지 않고 협상으로 정하는 Google의 기업용 출시 방식과 맞닿아 있다.

아바타가 들어서는 분야도 이미 존재한다. Synthesia, HeyGen, D-ID 같은 회사들은 생성된 진행자로 사업을 일궜다. 대부분 교육, 마케팅, 현지화 영상용이며, 실시간이 아니라 미리 렌더링된다. Google의 제안이 다른 지점은 하나다. 얼굴이 듣고, 추론하고, 도구를 호출하는 바로 그 모델에 붙어 있고, 그것도 기업이 이미 에이전트를 만드는 콘솔 안에 있다. 그 옆에는 더 넓은 오디오 모델 제품군이 자리한다. Gemini 3.5 Transcribe, Gemini 3.5 Live Translate, 그리고 두 가지 음성 합성 모델 Gemini 3.8 Flash TTS와 Gemini 3.8 Flash-Lite TTS다. 이미 Gemini 에이전트를 운영하는 기업이라면 얼굴을 더하는 일은 별도 업체와의 계약이 아니라 설정 하나가 된다. 이 묶음 판매가 전문 업체들이 답해야 할 경쟁 위협이다.

출시 자료가 다루지 않는 질문도 남아 있다. 얼굴은 목소리가 만들지 않는 기대를 낳는다. 통화 상대는 표정을 읽는다. 보험금 청구를 거절하면서 미소 짓는 아바타는 같은 답을 담담하게 전하는 목소리보다 더 나쁘게 받아들여질 수 있다. 대역폭도 문제다. 스트리밍 영상 에이전트는 전화선보다 고객의 인터넷 연결에 더 많은 것을 요구하는데, 다국어 상담의 가치가 가장 큰 시장 상당수는 모바일 데이터 요금이 가장 비싼 곳이기도 하다. 어느 것도 출시 게시물로는 잴 수 없다. 답은 첫 대규모 도입 사례의 만족도와 처리 완료율 수치에서 드러나거나, 드러나지 않을 것이다.

Live Avatar를 탑재한 Gemini 3.8 Live는 현재 Gemini Enterprise 콘솔과 Gemini Live API를 통해 쓸 수 있고, 스트리밍 에이전트를 만드는 개발자에게는 Agent Development Kit가 그 경로다. Extended Thinking은 현재 비공개 프리뷰 그룹 너머의 일정이 공개되지 않았다. 이를 도입하는 기업들은 기술이 답하지 않는 질문에 답하게 된다. 자동화된 응대임을 알려 주던 시각적 신호를 없애는 것이 반대편에 있는 사람들의 경험을 낫게 할지, 아니면 그런 응대가 이뤄지고 있다는 마지막 정직한 표지를 지워 버릴지다.

태그: Google, Gemini, customer service, enterprise AI, lip sync, speech recognition