구글, 85개 언어 전사 모델 제미나이 3.5 공개

구글(Google·$GOOGL)이 85개 이상 언어를 자동 인식하는 음성-텍스트 인공지능(AI) 모델 ‘제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)’를 공개했다. 회의·통화·인터뷰 음성을 다루는 기업과 개발자를 겨냥해 화자 구분, 단어 단위 타임스탬프, 군더더기 말 제거 기능을 함께 내세웠다.

구글은 26일 공식 블로그에서 제미나이 3.5 트랜스크라이브를 제미나이 오디오 제품군의 최신 전사 모델로 소개했다. 실시간 전사는 라이브 API의 ‘gemini-3.5-transcribe-live’ 모델로, 녹음 파일 처리는 인터랙션 API의 ‘gemini-3.5-transcribe’ 모델로 제공된다.

새 모델은 사용자가 언어를 미리 지정하지 않아도 85개 이상 언어를 자동 감지한다. 한 문장 안에서 언어가 바뀌는 상황도 처리하도록 설계됐다. 회사명, 제품명, 약어 같은 고유 표현은 사용자 정의 어휘로 미리 넣을 수 있다.

구글 개발자 문서는 사용자 정의 어휘 기능이 최대 1,000개 문구를 받을 수 있다고 설명했다. 다만 실제 사용에서는 100개 이하의 선별된 문구가 더 나은 결과를 낼 수 있다고 적었다. 다국어 회의나 제품명이 자주 등장하는 인터뷰 전사에서 사전 보정의 효용이 커지는 구조다.

전사 방식은 두 갈래다. 기본값인 ‘버베이팀’ 모드는 말한 내용을 그대로 남긴다. ‘스마트’ 모드는 ‘음’, ‘어’ 같은 불필요한 말을 지우고 반복과 말실수를 정리해 문장 형태로 다듬는다.

기능 조합에는 제약이 있다. 구글 개발자 문서는 스마트 모드가 단어별 타임스탬프, 화자 구분과 함께 쓸 수 없다고 밝혔다. 회의록처럼 발언자와 발화 시점이 중요한 작업에서는 원문 보존형 전사와 후처리형 전사 가운데 목적에 맞는 방식을 골라야 한다.

화자 구분은 회의록과 콜센터 분석에 직접 닿는 기능이다. 구글은 공식 블로그에서 녹음 파일 기준 최대 3명 화자에 대해 발언자를 구분하고 단어 단위 타임스탬프를 제공한다고 밝혔다. 개발자 문서에는 최대 8명 화자 지원이 적혀 있지만, 3명 이상 화자 표기는 실험 기능으로 분류됐다.

성능 지표도 공개됐다. 구글은 Artificial Analysis 측정 기준으로 제미나이 3.5 트랜스크라이브의 평균 단어 오류율이 실시간 전사 4.0%, 비실시간 전사 2.6%라고 밝혔다. FLEURS 다국어 벤치마크에서는 실시간 5.50%, 비실시간 5.04%로 제시됐다.

단어 오류율은 기계 전사 결과가 사람이 만든 기준 전사문과 얼마나 다른지를 보는 지표다. 수치가 낮을수록 정확도가 높다. 음성 전사 서비스는 정확도뿐 아니라 지연 시간, 화자 구분, 비용, 지원 언어, 배포 채널이 함께 경쟁 요소로 작용한다.

구글은 이전 모델인 처프 3(Chirp 3)와 비교해 최종 전사까지 걸리는 시간이 70% 개선됐다고 밝혔다. 이는 자사 이전 모델 대비 개선 폭이다. 음성 전사 시장 전체에서 경쟁 우위를 확정하는 수치로 보기는 어렵다.

Artificial Analysis 순위에서는 제미나이 3.5 트랜스크라이브의 비실시간 단어 오류율이 2.6%, 가격이 1,000분당 5달러(약 6,925원)로 제시됐다. 같은 표에서 일레븐랩스(ElevenLabs) 스크라이브 v2는 2.2%와 3.67달러(약 5,083원), 마이크로소프트(Microsoft) 애저 MAI-트랜스크라이브-1.5와 Smallest.ai 펄스 프로는 각각 2.4%로 소개됐다.

구글의 강점은 모델 단독 성능보다 배포면에 있다. 제미나이 앱, 안드로이드 받아쓰기, 크롬, 개발자 API로 이어지는 통로를 갖고 있기 때문이다. 같은 전사 모델이라도 일반 이용자와 기업 개발자에게 동시에 닿을 수 있는지가 채택 속도를 가를 수 있다.

배포 범위는 소비자용과 개발자용으로 나뉜다. 제미나이 맥OS 앱에서는 영어로 먼저 제공된다. 안드로이드의 램블러(Rambler) 받아쓰기 기능은 일부 국가와 언어에서 열린다. 개발자는 구글 AI 스튜디오와 제미나이 엔터프라이즈 에이전트 플랫폼의 공개 미리보기로 접근할 수 있다.

한국 이용자 관점에서는 다국어 회의, 해외 고객 통화, 개발 문서 작성 흐름에서 쓰임새가 갈린다. 자동 언어 감지와 고유명사 보정은 한국어와 영어가 섞인 업무 환경에 맞다. 반면 화자 구분, 스마트 정리, 단어별 타임스탬프를 동시에 쓰지 못하는 제약은 도입 전 확인이 필요하다.

구글의 이번 발표는 제미나이 모델을 검색·앱·클라우드에 결합하려는 흐름의 연장선에 있다. 구글은 크롬 지원을 향후 제공 대상으로 제시했다.