Google이 화요일에 Gemini 3.5 Transcribe를 출시했습니다. 이 음성-텍스트 변환 모델은 추임새를 제거하고, 사용자가 제공한 어휘를 존중하며, 단일 녹음에서 최대 3명의 화자를 태깅합니다. 사람의 편집 없이 가공되지 않은 오디오를 정제되고 구조화된 텍스트로 변환함으로써, 이 서비스는 개발자가 회의록, 법적 서류 등을 위해 전사본을 정리하는 데 소비하는 시간을 단축해 줍니다.

Google이 지금 출시를 결정한 이유

Google의 오디오 처리 스택은 수년간 진화해 왔지만, 이전 모델인 Chirp 3는 여전히 일시 정지, 전문 용어 및 화자 전환에서 어려움을 겪었습니다. 원격 근무와 팟캐스트의 확산으로 전사 시장이 급성장했지만, 여전히 많은 기업이 수동 후처리나 값비싼 전문 업체에 의존하고 있습니다. Gemini 3.5 Transcribe는 이러한 마찰 지점에 대한 해답을 제시합니다. 즉, 음성을 인식할 뿐만 아니라 실시간으로 편집까지 수행하는 모델입니다.

새로운 모델의 실제 기능

  • 자동 추임새 제거 – 전사본이 생성되는 과정에서 “음”, “어”와 같은 불필요한 표현이 사라져 훨씬 깔끔한 결과물을 제공합니다.
  • 사용자 정의 어휘 – 사용자가 도메인별 전문 용어 목록을 업로드하면 모델이 이를 일반적인 용어로 "교정"하는 것을 방지할 수 있습니다. 이는 약어, 제품명 또는 외국어 표기가 많은 분야에서 매우 중요합니다.
  • 화자 식별 – 시스템이 최대 3명의 서로 다른 목소리를 식별하고, 각 발화에 화자 라벨을 지정하며, 단어 단위의 타임스탬프를 추가합니다. 법무팀, 의료 기록 작성자 및 저널리스트는 원본 파일에서 즉시 타임코드가 포함된 기록을 생성할 수 있습니다.
  • 다국어 지원 – Google은 이전 모델보다 확장된 85개 이상의 언어에 대해 향상된 정확도를 제공한다고 밝혔습니다.

이 모든 기능은 개발자 중심의 API를 통해 제공됩니다. 앱이 전사본을 요청하면 정제된 텍스트, 화자 태그 및 타임스탬프가 포함된 JSON 페이로드를 받게 됩니다.

더 넓은 범위의 Gemini 오디오 출시

Gemini 3.5 Transcribe는 다음과 같은 광범위한 오디오 모델 제품군에 속합니다:

  • Gemini 3.5 Live – 실시간 상호작용에 최적화되어 있으며, 이전 라이브 모델보다 문장 중간의 중단 상황을 더 잘 처리합니다.
  • Gemini 3.5 Live Experimental – 복잡한 작업을 해결하는 동안 자신의 단계별 사고 과정을 설명하는 고차원 추론 변체입니다.

두 라이브 모델 모두 현재 macOS Gemini 앱과 일부 지역의 Android Rambler 받아쓰기 기능을 통해 영어로 사용할 수 있습니다.

수혜 대상

개발자는 "말하는 즉시 정제되는" 파이프라인을 협업 도구, 콘텐츠 제작 플랫폼 및 음성 기반 어시스턴트에 내장할 수 있습니다. 기업은 즉시 게시 가능한 전사본을 생성할 수 있어, 분당 요금을 부과하고 엄격한 데이터 처리 조항을 적용하는 제3자 서비스에 대한 의존도를 낮출 수 있습니다. 콘텐츠 제작자는 별도의 편집 과정 없이 정제된 자막을 게시할 수 있어 비디오 및 팟캐스트 제작 속도를 높일 수 있습니다.

타격을 입을 수 있는 대상

화자 분리(diarization) 및 전문 용어 처리에 대해 높은 요금을 부과하는 전문 전사 업체들은 특히 비용에 민감한 스타트업을 중심으로 수요가 감소할 수 있습니다. 모델의 3인 화자 제한으로 인해, 대규모 조직은 한 번의 통화에서 더 많은 참가자를 지원하는 전용 솔루션을 찾게 될 수도 있습니다.

한계 및 남은 과제

  • 화자 수 – 파일당 최대 3명의 화자만 구분할 수 있습니다. 참가자가 많은 회의에는 여전히 외부 도구가 필요합니다.
  • 언어 출시 – 다국어 지원이 발표되었지만, 라이브 모델은 여전히 영어 전용이어서 비영어권 사용자는 전체 기능이 지원될 때까지 기다려야 합니다.
  • 개인정보 보호 – 모든 클라우드 기반 음성 서비스와 마찬가지로, 기업은 Google 인프라의 편리함과 민감한 오디오를 외부 서버에 저장하지 않아야 할 필요성 사이에서 균형을 맞춰야 합니다. Google의 약관은 특정 고객에게 온프레미스 배포를 허용하지만, 해당 옵션은 아직 공개되지 않았습니다.

향후 주목할 점

Google은 화자 수를 늘리고 라이브 모델의 지원 언어를 확장하는 향후 업데이트를 암시했습니다. API의 가격 체계를 주시하는 것도 중요합니다. 높은 분당 비용은 대량 사용자의 생산성 향상 효과를 상쇄할 수 있습니다. 마지막으로, 개발자들 사이의 채택 곡선을 통해 자동 추임새 제거의 편리함이 전문 용어에서의 잔여 오류보다 더 큰 가치를 지니는지 확인할 수 있을 것입니다.

핵심 요약: Gemini 3.5 Transcribe는 음성 녹음물을 다듬는 번거로운 작업을 단 한 번의 API 호출로 해결하여, 개발자에게 화자 태깅이 완료된 깔끔한 텍스트를 즉시 제공하는 도구를 제공합니다. 이 서비스의 성공 여부는 Google이 얼마나 빠르게 지원 언어를 확대하고, 화자 인식 제한을 높이며, 기업용 개인정보 보호 문제를 해결하느냐에 달려 있습니다.