85개 언어 구글 전사 AI, 한국어 지원 확인

구글(Google·$GOOGL)이 85개 이상 언어를 자동 인식하는 음성-텍스트 인공지능(AI) 모델 ‘제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)’에서 한국어 지원을 공식 문서로 확인했다. 중국어권 항목에는 중국 간체 보통화와 홍콩 번체 광둥어가 올라왔지만, 대만식 번체 중국어 또는 대만 화어는 별도 항목으로 제시되지 않았다.

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

핵심은 단순 받아쓰기가 아니라 자연 발화를 문서형 텍스트로 정리하는 데 있다. 구글은 이 모델이 말하는 도중의 자기 수정, 멈춤, 군더더기 표현, 전문 용어를 처리해 문장부호와 형식을 갖춘 텍스트로 바꾼다고 설명했다.

활용처로는 회의 녹음, 고객센터 통화, 실시간 자막, 음성 에이전트가 제시됐다. 실시간 전사용 모델은 라이브 API를 통해 양방향 스트리밍과 1초 미만 지연 시간을 겨냥한다.

[구글의 85개 이상 언어 전사 모델 공개는 앞서 본지가 전한 바 있다](https://www.tokenpost.kr/news/ai/398760). 이번 공식 문서 확인으로 한국어 지원 여부와 중국어권 세부 항목, 처리 한도, 화자 구분 제한이 더 구체화됐다.

구글 AI 개발자 문서의 지원 언어 목록에는 한국어 ‘ko-KR’이 포함됐다. 중국어권 항목은 중국 간체 보통화 ‘cmn-Hans-CN’과 홍콩 번체 광둥어 ‘yue-Hant-HK’로 표시됐다.

전사 모델에서 언어 목록은 단순한 번역 지원 범위와 다르다. 실제 음성 인식은 발음, 억양, 지역별 표현, 문자 체계가 함께 작용하기 때문에 같은 중국어권이라도 별도 항목 여부가 서비스 품질과 도입 판단에 영향을 줄 수 있다.

성능 수치도 공개됐다. 구글은 Artificial Analysis 측정 기준으로 스트리밍 환경의 평균 단어 오류율(WER)이 4.0%, 비스트리밍 환경이 2.6%라고 밝혔다.

FLEURS 벤치마크에서는 주요 언어와 지역 기준 WER이 스트리밍 5.50%, 비스트리밍 5.04%로 제시됐다. WER은 전사 결과가 사람이 만든 기준 전사문과 얼마나 다른지를 보는 지표로, 수치가 낮을수록 정확도가 높다.

개발자가 직접 보정할 수 있는 기능도 붙었다. 구글 개발자 문서는 사용자 정의 어휘를 최대 1,000개까지 입력할 수 있다고 설명했다. 다만 최적 결과는 보통 100개 이하의 용어를 넣을 때 나온다고 안내했다.

사용자 정의 어휘는 회사명, 제품명, 약어, 인명처럼 일반 음성 인식에서 틀리기 쉬운 표현을 겨냥한 기능이다. 고객 상담이나 회의록처럼 고유명사가 반복되는 업무 환경에서는 이 기능이 전사 품질을 가르는 요소가 될 수 있다.

처리 한도도 문서에 명시됐다. 일반 녹음 파일은 한 번에 최대 1시간까지 처리할 수 있고, 화자 구분이나 단어 단위 타임스탬프를 켜면 한도는 30분으로 줄어든다.

화자 구분은 최대 8명까지 지원한다. 다만 3명 이상 화자 식별은 실험적 기능으로 분류돼 실제 회의나 인터뷰 환경에서 안정성 검증이 필요하다.

구글 딥마인드 모델카드는 제미나이 3.5 오디오가 제미나이 3 프로를 기반으로 하며, 전사와 실시간 전사 입력은 오디오와 텍스트를 받는다고 설명했다. 출력은 텍스트다.

모델카드는 전사 모델에서도 기반 모델의 일반적 한계가 나타날 수 있고, 환각이나 지연, 타임아웃이 발생할 수 있다고 적었다. 국내 기업이 회의록, 상담 기록, 실시간 자막 서비스에 적용하려면 지원 언어와 정확도뿐 아니라 처리 시간, 비용 구조, 화자 구분 안정성을 함께 따져야 한다.