구글, 음성 AI 실용성 극대화... '제미나이 3.5 트랜스크라이브'로 생태계 확장

구글이 음성 인식 기술의 새로운 지평을 열었다. 26일, 구글은 실시간 음성 인식과 지능형 음성 상호작용에 최적화된 AI 모델 '제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)'를 공개하며, 다양한 환경에서의 음성 기반 AI 활용도를 높이기 위한 혁신적인 기능을 선보였다. 이번 모델은 단순한 음성 텍스트 변환을 넘어서, 사용자의 말투와 맥락을 이해하고 실수를 자동으로 교정해 자연스러운 문장으로 변환하는 데 중점을 두고 있다.

고도화된 음성 인식 기술

제미나이 3.5 트랜스크라이브는 특히 소음이 많은 환경이나 전문 용어가 많이 사용되는 상황에서도 높은 정확도로 음성을 인식할 수 있도록 설계됐다. 기존 음성 인식 모델이 취약했던 부분을 보완하여, 사용자가 "화요일에 만나자, 아니 수요일"이라고 말할 경우 최종 의도를 반영해 자연스러운 문장으로 변환한다. 또한, '음', '아'와 같은 추임새를 자동으로 제거하고 문장부호와 서식을 적용해 별도의 편집 없이도 바로 사용할 수 있는 형태로 제공된다. 이렇게 개선된 기능 덕분에 최종 텍스트가 완성되는 시간 또한 약 70% 단축되어, 비즈니스 환경에서의 회의록 작성이나 통화 분석에도 큰 도움이 될 것으로 예상된다.

정확도 또한 눈에 띄는 성과를 보여준다. 아티피셜 애널리시스 측정 결과, 제미나이 3.5 트랜스크라이브는 스트리밍 환경에서 4.0%의 단어 오류율(WER)을 기록하며, 비스트리밍 환경에서는 2.6%로 나타났다. 이는 이전 모델인 '처프 3(Chirp 3)'에 비해 크게 향상된 수치로, 서비스의 신뢰성을 높이는 데 기여할 것으로 보인다.

다양한 언어 지원과 맞춤형 기능

구글은 제미나이 3.5 트랜스크라이브의 언어 지원 범위도 대폭 넓혔다. 85개 이상의 언어와 다양한 지역 억양 및 방언을 자동으로 인식할 수 있으며, 사용자가 고유명사나 기술 전문 용어를 추가할 수 있는 사용자 지정 어휘 기능도 제공한다. 이러한 기능은 다국적 기업이나 다양한 배경을 가진 사용자들이 보다 원활하게 소통할 수 있도록 돕는다.

특히, 사전 녹음된 음성에서 최대 3명의 화자를 구분하고 발화 시간 정보를 표시하는 기능은 회의록 작성이나 통화 기록 분석에 유용하게 활용될 수 있다. 개발자들은 실시간 음성 데이터를 1초 미만의 지연으로 처리하는 스트리밍 API와, 녹음된 데이터를 처리하는 API를 통해 다양한 애플리케이션을 구축할 수 있다.

구글은 이미 제미나이 3.5 트랜스크라이브를 자사 서비스에 적극 적용하고 있다. 안드로이드용 지보드의 '램블러' 기능은 사용자가 음성으로 생각을 말하면 자동으로 정리된 텍스트로 변환하고, 음성만으로 오탈자를 수정하거나 문체 변경까지 가능하다. 이러한 기능은 사용자 편의성을 극대화하는 데 큰 역할을 하고 있다.

앞으로의 전망

구글은 음성 인식 기술을 더욱 발전시키기 위해 제미나이 라이브의 에이전트 기능인 '스파크(Spark)'와 통합하여 복잡한 작업을 자동으로 수행할 수 있는 시스템을 마련하고 있다. 사용자들이 자연어로 여러 단계를 지시하면, 스파크가 이를 정리해 필요한 작업을 처리하는 방식이다. 또한, '데일리 브리프(Daily Brief)' 기능을 통해 사용자의 일정을 요약해주는 서비스도 제공하고 있어, 일상에서의 효율성을 크게 높일 것으로 기대된다.

향후 구글은 이러한 음성 인식 기술을 크롬 브라우저와 같은 다양한 플랫폼으로 확장할 계획이다. 이를 통해 사용자는 웹페이지에서 음성으로 글을 입력하는 등의 기능을 활용할 수 있게 되며, 더욱 편리하고 직관적인 사용자 경험을 제공할 예정이다. 이제 음성 기반 AI의 시대가 본격적으로 열리며, 우리의 일상에서 그 활용도가 더욱 높아질 것으로 전망된다.