"음, 어..." 추임새 지우고 맥락 파악…구글, 음성인식 AI '제미나이 3.5 트랜스크라이브' 공개

구글이 두서없이 말해도 사람이 다듬은 것처럼 깔끔한 문장으로 자동 변환해 주는 최신 음성-텍스트 변환(STT) 인공지능(AI) 모델을 선보였다.

구글은 공식 블로그를 통해 음성을 지능적으로 이해하고 고정밀 텍스트로 가공하는 거대언어모델(LLM) 기반의 차세대 오디오 모델 '제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)'를 26일(현지시간) 전격 공개했다.

이번에 공개된 모델은 기존 음성 인식 시스템의 고질적인 한계였던 배경 소음, 복잡한 전문 용어, 말더듬 현상 등을 완벽하게 보완한 것이 특징이다.

"말 틀려도 알아서 수정"…맥락 파악하는 '스마트 음성 인식'

제미나이 3.5 트랜스크라이브의 가장 큰 강점은 '지능형 맥락 정제(Smart Transcription)' 기능이다. 사용자가 말을 하다가 "우리 화요일에 만나자, 아니 수요일에"라고 스스로 내용을 정정하면, AI가 앞뒤 맥락을 파악해 최종 의도인 "우리 수요일에 만나자"로 깔끔하게 정리된 서식의 텍스트를 출력한다. 말하는 도중에 섞여 들어가는 "음", "어", "아" 같은 불필요한 추임새(필러 워드)도 자동으로 걸러낸다.

전문적인 Alphanumeric(알파벳+숫자) 데이터 인식율도 대폭 상향됐다. 일반적인 AI가 받아적기 힘들어하는 복잡한 이메일 주소, 우편번호, 국가별 전화번호 형식을 오차 없이 식별하며, "100cm"라는 음성을 "1미터"로 단위를 변환해 이해하는 수준의 깊은 추리 능력까지 갖췄다. 단어 오류율(WER)은 비스트리밍 기준 2.6%, 실시간 스트리밍 기준 4.0%에 불과해 업계 최고 수준의 정밀도를 자랑한다.

85개 언어 자동 감지, 대화 도중 언어 바꿔도 추적

글로벌 환경에 맞춘 확장성도 돋보인다. 이 모델은 전 세계 85개 이상의 언어와 지역별 억양, 방언을 자동으로 감지한다. 특히 다국어 사용자가 한 문장 안에서 여러 언어를 혼용하는 '코드 스위칭(Code-switching)' 현상까지 실시간으로 추적하여 전사할 수 있다.

사전 녹음된 파일 분석 시에는 최대 3명의 화자를 정확하게 구별해 내며, 단어 단위의 타임스탬프를 제공해 회의록 작성이나 통화 기록 분석 파이프라인 구축에 최적화되어 있다.

안드로이드부터 크롬까지…일상 속으로 스며드는 음성 AI

구글은 개발자들이 이 모델을 음성 에이전트나 실시간 자막 툴에 바로 이식할 수 있도록 두 가지 API 형태로 제공한다. 1초 미만의 초저지연 양방향 스트리밍을 지원하는 '라이브 API(Live API)'와 사전 녹음 파일을 처리하는 '인터랙션 API(Interactions API)'다.

일반 사용자들을 위한 서비스 적용도 속도를 내고 있다. 현재 안드로이드 Gboard의 '램블러(Rambler)' 기능과 맥OS(macOS)용 제미나이 앱에 우선 탑재되어 음성만으로 파일 요약, 이미지 생성, 텍스트 수정을 할 수 있는 워크플로우를 지원한다.

구글은 향후 자사의 웹브라우저인 크롬(Chrome)의 모든 웹 입력창에 이 기술을 추가할 계획이라고 밝혔다. 서비스가 도입되면 사용자들은 이메일 답장이나 블로그 게시글 작성, AI 챗봇 프롬프트 입력을 별도의 타자 없이 오직 자연스러운 목소리만으로 처리할 수 있게 될 전망이다. 

Welaunch  서아림 기자

스타트업∙딥테크 뉴스 전문 미디어-위런치

Copyright ⓒ Welaunch. All rights reserved.

보도자료/기고  : editor@welaunch.kr

광고/제휴 문의 : we@welaunch.kr