Story
구글, 실시간 음성인식 성능 높인 '제미나이 3.5 트랜스크라이브' 공개

구글(NASDAQ: GOOGL)이 실시간 음성 인식을 위해 설계된 새로운 음성-텍스트 변환 모델 '제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)'를 공개했습니다. 이 모델은 이전 버전에 비해 향상된 정확도와 감소된 지연 시간을 특징으로 하며, 배경 소음이나 전문 용어 처리 능력이 개선되었습니다.
주요 성능 및 특징
제미나이 3.5 트랜스크라이브는 이전 모델인 '처프 3(Chirp 3)' 대비 최종 텍스트 변환까지 걸리는 시간을 70% 단축했습니다. 인공지능 분석 기업 '아티피셜 애널리시스(Artificial Analysis)'의 측정에 따르면, 이 모델의 단어 오류율(WER)은 실시간 스트리밍 환경에서 4.0%, 비스트리밍 환경에서는 2.6%를 기록했습니다.
주요 기능은 다음과 같습니다:
- 85개 이상의 언어를 자동으로 감지하고 텍스트로 변환
- 사전 녹음된 오디오에서 최대 3명의 화자를 타임스탬프와 함께 식별
- '음', '어' 등 불필요한 군소리 제거 및 자동 서식 지정
- 특정 분야의 전문 용어를 위한 맞춤형 어휘 인식
기술적 구현 및 제공 방식
Ad구글은 개발자와 기업이 해당 모델을 활용할 수 있도록 두 가지 API를 제공합니다. 실시간 스트리밍 옵션인 '라이브 API(Live API)'는 1초 미만의 지연 시간으로 빠른 변환을 지원하며, 사전 녹음된 오디오 처리용 '인터랙션 API(Interactions API)'는 회의록이나 통화 기록을 화자별로 구분하여 변환하는 데 사용됩니다.
이 모델은 현재 개발자를 위한 '구글 AI 스튜디오'와 기업 고객을 위한 '제미나이 엔터프라이즈 에이전트 플랫폼'을 통해 공개 프리뷰 형태로 제공됩니다. 구글은 향후 크롬 브라우저에도 받아쓰기 기능을 추가할 계획이라고 밝혔습니다.
시장 영향 및 제품 통합
이번 출시는 음성 인식 기술 시장에서 구글의 경쟁력을 강화하는 중요한 단계로 평가됩니다. 제미나이 3.5 트랜스크라이브 기술은 이미 macOS용 제미나이 앱, 안드로이드 Gboard의 '램블러(Rambler)' 기능, 구글 AI 스튜디오 등 자사 제품에 통합되고 있습니다. 이는 AI 기술을 실제 소비자 및 기업용 서비스에 신속하게 적용하려는 구글의 전략을 보여줍니다.