구글(Google)이 실시간 음성을 85개 이상 언어의 텍스트로 바꾸고 말실수와 추임새까지 자동으로 다듬는 음성-텍스트 모델을 출시했다. 제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)는 실시간 스트리밍과 녹음 음성 처리를 나눠 지원하며, 전사 중 이미지 생성이나 웹 검색 같은 작업을 다른 제미나이 모델에 넘길 수 있다.
더 디코더(The Decoder)는 8월 27일 구글이 제미나이 3.5 트랜스크라이브를 출시했다고 보도했다. 이 모델은 별도 언어 선택 없이 85개가 넘는 언어를 자동 인식하고, ‘음’이나 ‘어’ 같은 추임새를 제거하며, 말이 꼬이거나 잘못 발음한 표현을 문맥에 맞게 고친다. 전사된 문장의 형식도 자동으로 정리한다.
구글이 제시한 단어 오류율은 스트리밍 음성에서 4%, 녹음 음성에서 2.6%다. 스트리밍은 실시간으로 들어오는 음성을 처리하는 방식이며, 녹음 음성 처리에서는 화자 구분과 타임스탬프를 함께 제공한다. 이전 모델인 처프 3(Chirp 3)과 비교하면 지연 시간이 70% 줄었다고 구글은 설명했다.
제미나이 3.5 트랜스크라이브는 두 가지 인터페이스로 제공된다. 라이브 API(Live API)는 매우 낮은 지연 시간으로 실시간 스트리밍을 처리하며 모델 식별자는 ‘gemini-3.5-transcribe-live’다. 인터랙션스 API(Interactions API)는 녹음된 음성을 처리하고 화자별 발화와 시간 정보를 표시하며, 모델 식별자는 ‘gemini-3.5-transcribe’다.
이 모델은 현재 구글 AI 스튜디오와 제미나이 엔터프라이즈 에이전트 플랫폼에서 이용할 수 있다. 안드로이드용 지보드(Gboard)에는 ‘램블러(Rambler)’를 통해 이미 통합됐고, macOS용 제미나이 앱에서도 사용할 수 있다. 크롬 지원은 앞으로 추가될 예정이다.
기능 호출(function calling)을 사용하면 전사 작업에 그치지 않고 다른 제미나이 모델에 후속 작업을 맡길 수 있다. 예를 들어 음성으로 요청한 이미지 생성이나 웹 검색을 관련 모델로 넘기는 방식이다. 다만 이번 보도에는 이용 요금이나 API 사용 조건, 지원 언어별 성능 차이에 대한 구체적인 내용은 포함되지 않았다.