구글 Gemini 3.5 Transcribe, 85개 언어 실시간 전사에 말실수까지 자동 교정
구글이 2026년 8월 27일 새로운 음성-텍스트 변환 모델 Gemini 3.5 Transcribe를 공식 출시했음. 실시간 스트리밍과 녹음 오디오 모두를 지원하며, 85개 이상의 언어를 자동으로 인식하는 것이 핵심 특징임.
말실수·군말까지 걸러내는 지능형 전사
이 모델의 가장 눈에 띄는 기능은 단순한 받아쓰기를 넘어선 지능형 교정 능력임. "음", "어" 같은 군말(filler word)을 자동으로 제거하고, 말을 잘못했을 때 발생하는 실언(slip of the tongue)도 문맥에 맞게 수정함. 텍스트 서식 역시 별도 지시 없이 모델이 스스로 적용함. 이는 기존 음성 인식 도구들이 받아쓰기에만 집중하던 것과 달리, 실제 사람이 편집한 듯한 결과물을 제공한다는 점에서 실용성이 크게 높아졌음.
오류율 낮추고 지연 시간도 70% 단축
구글이 공개한 성능 수치도 주목할 만함. 실시간 스트리밍 기준 단어 오류율(WER)은 4.0%, 녹음 오디오 기준은 2.6%로 측정됐음. 이전 모델인 Chirp 3 대비 지연 시간(latency)은 70% 감소했음. 빠른 응답과 높은 정확도를 동시에 달성한 셈으로, 특히 회의 실시간 전사나 자막 생성처럼 지연에 민감한 활용처에서 경쟁력이 두드러짐.
두 가지 API로 용도 분리
Gemini 3.5 Transcribe는 용도에 따라 두 가지 인터페이스로 나뉨. Live API(gemini-3.5-transcribe-live)는 초저지연 실시간 스트리밍을 담당하고, Interactions API(gemini-3.5-transcribe)는 녹음된 오디오를 처리하면서 화자 분리(speaker attribution)와 타임스탬프를 제공함. 또한 function calling 기능을 통해 이미지 생성이나 웹 검색 같은 작업을 다른 Gemini 모델에 넘겨 처리하는 연계도 가능함.
실제 제품에 이미 탑재, 크롬 지원도 예정
모델은 현재 Google AI Studio와 Gemini Enterprise Agent Platform에서 바로 사용할 수 있음. 소비자 제품에도 이미 적용이 시작됐는데, 안드로이드 Gboard의 'Rambler' 기능과 macOS용 Gemini 앱에 내장됐음. 크롬 브라우저 지원도 곧 추가될 예정임. 다국어 지원·낮은 오류율·실시간 처리 능력을 갖춘 이 모델이 전사(轉寫) 시장의 기준을 새롭게 세울지 주목됨.
원문: THE DECODER →