제미나이 3.5 트랜스크라이브 — 구글 음성인식 오류율 2.6%까지 낮춘 이유 제대로 정리

구글이 2026년 8월 26일, 자사 음성인식 모델 중 가장 정밀하다고 자평하는 신모델 제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)를 공개했다. 제미나이 3.5 트랜스크라이브는 단순히 소리를 글자로 옮기는 수준을 넘어, 말하는 사람의 의도를 이해하고 “어, 그러니까”나 “음…” 같은 군더더기 표현을 스스로 걸러내며, 화요일이라고 말했다가 스스로 수요일로 정정하는 것 같은 자기 교정 발화까지 매끄럽게 처리한다. 구글은 공식 블로그를 통해 제미나이 3.5 트랜스크라이브가 지보드(Gboard)의 램블러(Rambler) 기능과 맥OS용 제미나이 앱에 이미 적용돼 있으며, 이제 개발자와 기업 고객도 제미나이 API와 제미나이 엔터프라이즈 에이전트 플랫폼을 통해 같은 기술을 이용할 수 있다고 밝혔다.

이 글은 제미나이 3.5 트랜스크라이브의 공식 발표 내용을 구글 공식 블로그, 구글 AI 개발자 문서, 그리고 IT 전문 매체 9to5Google의 보도를 교차 확인해 정리했다. 모델의 핵심 기능부터 벤치마크 수치, 두 가지 API 구조, 실제 제품 적용 사례, 그리고 한국 사용자와 개발자에게 어떤 의미가 있는지까지 순서대로 살펴본다.

[toc]

제미나이 3.5 트랜스크라이브란 무엇인가

이 단원에서는 이 모델이 무엇이고, 왜 지금 공개됐는지, 그리고 이전 모델과 무엇이 다른지를 다룬다. 새로운 이름이 붙은 모델이 나올 때마다 “또 다른 버전 숫자”로 넘기기 쉽지만, 이번 발표는 음성을 다루는 방식 자체를 바꾸겠다는 구글의 메시지가 뚜렷하다.

출시 배경과 발표 시점

구글은 2026년 8월 26일 공식 블로그 “The Keyword”를 통해 제미나이 3.5 트랜스크라이브를 발표했다. 발표문 작성자는 제미나이 오디오 팀의 디에고 멜렌도 카사도 수석 엔지니어링 디렉터와 루크 레온하드 참모장으로, 두 사람은 “우리의 가장 정밀한 음성 인식 모델”이라는 표현으로 이 모델을 소개했다. 발표 직후 IT 전문 매체 9to5Google도 같은 날 이 소식을 다루며, 이 모델이 안드로이드 지보드의 램블러 기능과 크롬 브라우저 도입 계획까지 이어진다고 보도했다.

이 모델의 이름에서 드러나듯, 이 모델은 구글의 최신 제미나이 패밀리에 속하면서도 오직 음성-텍스트 변환에 특화된 전용 모델이다. 구글 AI 개발자 문서에 따르면 이 모델은 “제미나이의 오디오 이해 능력을 기반으로 한 음성-텍스트 모델”로 정의되며, 발화 단위 언어 감지, 화자 분리, 단어 단위 타임스탬프, 스마트 트랜스크립션, 커스텀 어휘 편향까지 지원한다. 문서상 최종 업데이트 시점은 2026년 8월로 명시돼 있어, 이번 발표와 문서 갱신이 같은 시점에 이뤄졌음을 확인할 수 있다.

구글 블로그의 관련 게시물 목록을 보면, 이번 발표는 2026년 7월 공개된 제미나이 옴니(Gemini Omni) 1.1 플래시, 그리고 같은 제미나이 패밀리의 텍스트·코딩 모델인 제미나이 3.7 플래시 발표에 이어 나온 것으로 확인된다. 구글이 한 달 간격으로 텍스트, 이미지, 음성 각 영역의 모델을 순차적으로 공개하고 있다는 점에서, 이번 발표는 단발성 업데이트라기보다 구글의 전체 멀티모달 로드맵 중 음성 축을 담당하는 발표로 읽힌다.

기존 챠프 3(Chirp 3) 모델과의 차이

구글은 이번 모델을 2025년에 내놓았던 이전 음성 인식 모델 챠프 3(Chirp 3)과 비교하며 “새로운 기능, 개선된 단어 오류율, 훨씬 빨라진 지연시간을 갖춘 중대한 진전”이라고 설명했다. 공식 블로그에 실린 벤치마크에 따르면, 최종 전사(transcription) 완료까지 걸리는 시간이 챠프 3 대비 70% 단축됐다. 벤치마크 측정은 제3자 평가 기관인 아티피셜 애널리시스(Artificial Analysis)가 수행했다.

속도만 개선된 것은 아니다. 다국어 성능을 측정하는 FLEURS 벤치마크에서도 주요 언어와 지역 기준으로 챠프 3 대비 향상된 결과를 냈다. 무엇보다 실제 사용자가 체감하는 차이는 정확도보다 “정리된 문장이 나온다”는 데 있다. 기존 음성 인식 모델은 소음이 섞인 환경이나 전문 용어, 말끝을 흐리는 발화에 취약했지만, 제미나이 3.5 트랜스크라이브는 원본 오디오를 곧바로 정돈되고 서식이 갖춰진 텍스트로 바꾸는 것을 목표로 설계됐다고 구글은 밝혔다.

핵심 기능 — 스마트 트랜스크립션은 어떻게 작동하나

이 단원은 이 모델이 내세우는 다섯 가지 핵심 기능을 하나씩 짚는다. 단순 수치보다 “무엇을 할 수 있길래” 이 모델이 주목받는지를 이해하는 데 중점을 둔다.

자동 교정과 필러 제거 — 스마트 트랜스크립션

구글이 “스마트 트랜스크립션(Smart transcription)”이라 부르는 기능은 세 가지로 요약된다. 첫째, “화요일에 만나요, 아니 수요일이요” 같은 자기 교정 발화를 자연스럽게 처리해 최종 텍스트에는 정정된 내용만 남긴다. 둘째, “음”, “어” 같은 채움말(filler word)을 제거해 훨씬 읽기 편한 문장을 만든다. 셋째, 문장부호와 대소문자, 숫자 서식을 자동으로 정리하는 자동 서식 기능을 갖췄다.

이 기능은 실제로 안드로이드 지보드의 램블러 기능에서 확인할 수 있다. 사용자가 두서없이 말한 내용도 램블러를 거치면 문단 구분이 있는 정돈된 글로 바뀐다. 구글은 이를 “말하는 스타일 그대로의 의도를 더 잘 이해하기 위한 설계”라고 표현했다. 실제 사용자는 음성만으로 오탈자를 고치거나 문체를 바꾸는 편집까지 할 수 있다.

커스텀 어휘와 화자 분리

제미나이 3.5 트랜스크라이브는 최대 1,000개 항목까지 등록할 수 있는 커스텀 어휘(custom vocabulary) 기능을 지원한다. 다만 구글 AI 개발자 문서는 “고객들이 통상 100개 이하로 등록했을 때 가장 좋은 결과를 얻는다”고 명시해, 무작정 많이 등록한다고 정확도가 비례해 오르지는 않는다는 점을 분명히 했다. 이 기능은 회사 고유의 제품명이나 전문 용어, 특이한 철자의 고유명사를 인식시켜야 하는 기업 환경에서 특히 유용하다.

화자 분리(speaker diarization) 기능은 사전 녹음된 오디오를 처리하는 인터랙션스 API(Interactions API) 경로에서만 지원되며, 최대 8명까지 화자를 구분할 수 있다. 다만 공식 문서는 “3명 이상의 화자 구분은 실험적(experimental) 단계”라고 명시하고 있어, 다자간 회의록처럼 화자가 많은 환경에서는 아직 완성도가 낮을 수 있다는 점을 감안해야 한다. 실시간 스트리밍 경로에서는 화자 분리와 단어 단위 타임스탬프가 아예 지원되지 않는다는 점도 함께 확인됐다.

함수 호출로 확장되는 음성 명령

제미나이 3.5 트랜스크라이브에는 함수 호출(function calling) 기능도 포함돼 있다. 이는 단순히 말을 글로 바꾸는 데서 그치지 않고, 이미지 생성이나 파일 분석 같은 복잡한 작업을 다른 제미나이 모델에 위임할 수 있게 해주는 기능이다. 현재는 맥OS용 제미나이 앱에서 이 기능을 확인할 수 있으며, 사용자가 음성으로 “이 파일을 요약해줘”라고 말하면 화면 맥락과 대화 이력을 함께 참고해 백그라운드에서 다른 제미나이 모델을 호출해 작업을 처리한다.

• 스마트 트랜스크립션 — 자기 교정 발화 처리, 필러 제거, 자동 서식
• 커스텀 어휘 — 최대 1,000개 등록 가능, 실사용 권장치는 100개 이하
• 화자 분리 — 사전 녹음 파일 기준 최대 8명, 3명 이상은 실험적 기능
• 함수 호출 — 이미지 생성·파일 분석 등 다른 제미나이 모델과 연동
• 85개 이상 언어 자동 감지 — 세션 도중 언어가 바뀌는 코드 스위칭까지 지원

정확도와 성능 지표 — 벤치마크로 보는 숫자

이 단원은 구글이 공개한 구체적인 수치를 정리한다. “더 정확해졌다”는 말보다 실제 오류율이 몇 퍼센트인지가 개발자와 기업 담당자에게는 훨씬 중요한 정보다.

단어 오류율(WER) 2.6%와 4.0%의 의미

아티피셜 애널리시스의 측정에 따르면 제미나이 3.5 트랜스크라이브는 비스트리밍(사전 녹음 파일 처리) 기준 평균 단어 오류율 2.6%, 스트리밍 기준 평균 4.0%를 기록했다. 단어 오류율은 삽입, 삭제, 치환된 단어 수를 전체 단어 수로 나눈 값으로, 수치가 낮을수록 원문과 전사 결과가 더 가깝다는 뜻이다. 2~4%대 오류율은 사람이 직접 받아쓰기를 할 때 발생하는 오차 수준에 근접한 수치로 평가된다.

구글은 특히 “우편번호나 주문 번호 같은 영숫자 조합을 정확히 잡아내는” 능력을 강조했다. 이는 소음이 많은 실제 환경, 예를 들어 콜센터 통화나 매장 소음이 섞인 대화에서도 정확도가 크게 떨어지지 않는다는 의미로, 실무 적용 가능성을 가늠하는 데 중요한 지표다.

FLEURS 벤치마크와 지연시간 70% 개선

다국어 음성 인식 능력을 측정하는 표준 벤치마크인 FLEURS에서, 제미나이 3.5 트랜스크라이브는 주요 언어와 지역을 대상으로 스트리밍 모드 5.50%, 비스트리밍 모드 5.04%의 단어 오류율을 기록했다. 언어별 편차가 있는 다국어 벤치마크의 특성을 고려하면, 이는 이전 모델 대비 개선된 결과로 구글은 설명한다.

지연시간 측면에서는 최종 전사 결과가 나오기까지 걸리는 시간이 챠프 3 대비 70% 줄었다. 실시간 자막이나 통역처럼 지연시간이 곧 사용자 경험을 좌우하는 응용 분야에서는 오류율 개선 못지않게 이 수치가 중요하다. 아래 이미지는 구글이 공식 블로그에 게재한 FLEURS 벤치마크 그래프를 그대로 가져온 것이다.

두 가지 API 구조 — 실시간 스트리밍과 사전 녹음 처리

이 단원은 개발자 관점에서 가장 중요한 정보, 즉 제미나이 3.5 트랜스크라이브가 어떤 API로 나뉘어 제공되는지를 다룬다. 이름은 하나지만 실제로는 용도가 다른 두 개의 모델 코드로 제공된다는 점을 이해해야 한다.

실시간 스트리밍용 gemini-3.5-transcribe-live

라이브 API(Live API)를 통해 제공되는 gemini-3.5-transcribe-live는 웹소켓 기반의 연속적인 양방향 스트리밍을 지원하며, 지연시간이 1초 미만인 것이 특징이다. 음성 비서나 실시간 자막처럼 즉각적인 응답이 필요한 상호작용형 음성 앱을 만들 때 사용하도록 설계됐다. 구글 AI 개발자 문서에 따르면 이 경로는 세션당 최대 10분까지 오디오를 처리할 수 있으며, 화자 분리와 단어 단위 타임스탬프는 지원하지 않는다.

업계에서는 이미 이 API를 활용한 서비스가 나오고 있다. 구글 공식 블로그는 아고라(Agora), 피시잼(Fishjam), 랭체인(LangChain), 라이브킷(LiveKit), 파이프캣(Pipecat), 버셀(Vercel), 비전 에이전츠(Vision Agents) 같은 개발자 플랫폼이 라이브 API를 활용해 실시간 미디어 스트리밍 인프라를 대신 처리해주고 있다고 소개했다. 이 덕분에 개발자는 복잡한 스트리밍 인프라를 직접 구축하지 않고도 사용자 경험 설계에 집중할 수 있다.

사전 녹음 처리용 gemini-3.5-transcribe

인터랙션스 API(Interactions API)를 통해 제공되는 gemini-3.5-transcribe는 회의록, 통화 로그처럼 이미 녹음된 오디오를 처리하는 데 특화됐다. 화자 귀속과 단어 단위 타임스탬프를 함께 제공한다는 점이 실시간 경로와 가장 큰 차이다. 최대 1시간 분량의 오디오를 한 번에 처리할 수 있지만, 화자 분리나 단어 단위 타임스탬프 같은 부가 기능을 함께 켜면 처리 가능 시간이 30분으로 줄어든다.

이 두 경로를 구분해서 이해하는 것이 중요한 이유는 명확하다. 콜센터 상담 내용을 사후 분석하려는 기업이라면 인터랙션스 API 기반의 gemini-3.5-transcribe가 적합하고, 반대로 실시간 음성 비서나 실시간 자막 서비스를 만들려는 개발자라면 라이브 API 기반의 gemini-3.5-transcribe-live를 선택해야 한다. 두 모델은 이름은 비슷하지만 지원 기능과 제약 조건이 다르므로 프로젝트 요구사항에 맞춰 신중히 선택할 필요가 있다.

구분	gemini-3.5-transcribe-live	gemini-3.5-transcribe
제공 API	Live API (웹소켓 스트리밍)	Interactions API
최대 처리 시간	세션당 10분	최대 1시간(부가기능 사용 시 30분)
화자 분리	미지원	최대 8명 지원(3명 이상 실험적)
단어 단위 타임스탬프	미지원	지원
언어 자동 감지	85개 이상 언어	85개 이상 언어

실제 제품에 적용된 사례 — 지보드 램블러부터 크롬까지

이 단원은 이 모델이 이미 어디에 쓰이고 있고, 앞으로 어디에 적용될 예정인지를 정리한다. 발표문에서 구글은 개발자용 API 설명보다 오히려 일반 사용자가 체감할 수 있는 제품 적용 사례를 먼저 강조했다.

안드로이드 지보드 램블러

안드로이드 지보드의 신규 기능인 램블러(Rambler)는 제미나이 3.5 트랜스크라이브를 기반으로 두서없이 말한 내용을 정돈된 문장으로 바꿔준다. 9to5Google 보도에 따르면 이 기능은 픽셀 11 시리즈를 포함한 안드로이드 기기에서 이용할 수 있으며, 일부 국가와 언어부터 순차적으로 확대되고 있다. 사용자는 음성만으로 맞춤법을 고치거나 글의 문체를 바꾸는 편집까지 할 수 있어, 단순 받아쓰기 도구를 넘어선 작문 보조 기능에 가깝다.

구글은 이 기능이 “말하는 대로 쏟아낸 생각을 잘 정돈된 텍스트로 바꾼다”고 설명하면서, 채움말을 걸러내는 것이 핵심이라고 강조했다. 실제로 짧은 메시지 하나를 보내더라도 문장을 다듬는 데 걸리는 시간을 줄일 수 있다는 점에서, 이 기능은 이미 스마트폰 사용자의 일상적인 입력 습관에 영향을 주고 있는 것으로 평가된다.

맥OS 제미나이 앱과 구글 안티그래비티

맥OS용 제미나이 앱에서는 자유롭게 말한 내용을 깔끔한 텍스트로 바꾸는 것은 물론, 화면 맥락과 결합한 음성 명령까지 지원한다. 사용자가 음성만으로 로컬 파일을 요약하거나, 텍스트를 다른 앱으로 옮기거나, 커서 위치에 이미지를 생성하는 등 복잡한 작업을 처리할 수 있다는 것이 구글의 설명이다. 이는 앞서 언급한 함수 호출 기능이 실제 제품에서 어떻게 구현되는지 보여주는 대표 사례다.

구글의 에이전트형 개발 플랫폼인 안티그래비티(Antigravity)에서도 이 모델을 활용할 수 있다. 이 환경에서는 화면 맥락과 대화 이력을 함께 참고해 파일명, 에이전트의 생각, 활성 문서 등을 정확히 짚어내는 전사 정확도를 제공한다고 구글은 설명했다. 구글 AI 스튜디오의 빌드 모드에서도 음성으로 앱을 즉석에서 만들어보는 이른바 “바이브 코딩”에 이 모델이 활용된다.

크롬 브라우저 도입 예정

구글은 크롬 브라우저에도 조만간 이 음성인식 모델을 도입할 계획이라고 밝혔다. 도입되면 사용자는 어떤 웹 입력창에서든 음성으로 답장을 받아쓰거나, 게시글 초안을 작성하거나, 크롬에 내장된 제미나이에게 더 자연스럽게 음성으로 프롬프트를 전달할 수 있게 된다. 아직 정확한 출시 시점은 공개되지 않았지만, 이미 지보드와 맥OS 앱에 적용된 기술을 웹 브라우저까지 확장하겠다는 방향성은 분명하다.

다음 영상은 이 모델의 실제 사용 모습과 성능을 다루는 리뷰 영상이다. 모델이 실제 대화를 어떻게 정돈된 텍스트로 바꾸는지 시연 장면을 통해 확인할 수 있다.

개발자와 기업이 알아야 할 것 — 가격과 활용 전략

이 단원은 실제로 이 모델을 도입하려는 개발자와 기업 담당자가 참고할 만한 요금 구조와 생태계 정보를 다룬다. 아무리 성능이 좋아도 비용 구조를 모르면 도입 여부를 판단하기 어렵다.

요금 구조와 비용 감각

제미나이 API 공식 가격 페이지 기준으로, 제미나이 3.5 트랜스크라이브는 오디오 입력 기준 100만 토큰당 2.00달러, 텍스트 출력 기준 100만 토큰당 12.00달러로 책정돼 있다. 이를 실제 사용 단위로 환산하면 대략 오디오 1분당 0.005달러, 1시간당 약 0.30달러 수준이라는 것이 업계 분석이다. 참고로 이 수치는 발표 시점 기준이며, 공개 프리뷰(public preview) 단계에서 책정된 가격이므로 정식 출시 시점에 조정될 가능성이 있다는 점은 염두에 둘 필요가 있다.

현재 제미나이 3.5 트랜스크라이브는 개발자 대상으로는 구글 AI 스튜디오와 구글 안티그래비티에서 공개 프리뷰로 제공되고, 기업 대상으로는 제미나이 엔터프라이즈 에이전트 플랫폼을 통해 공개 프리뷰로 제공된다. 고객 경험 전용 플랫폼인 제미나이 엔터프라이즈 포 커스터머 익스피리언스(Gemini Enterprise for Customer Experience)에는 조만간 추가될 예정이라고 구글은 밝혔다.

비용 구조를 다른 방식으로 환산해 보면, 1시간짜리 회의를 녹음해 사전 처리 API로 전사할 경우 오디오 입력 비용만 대략 0.30달러 안팎이며, 여기에 텍스트 출력 토큰 비용이 더해진다. 콜센터처럼 하루 수백 건의 통화를 처리해야 하는 환경에서는 이 단가가 누적됐을 때의 총비용을 별도로 시산해봐야 하고, 공개 프리뷰 단계의 가격이 정식 출시 이후에도 그대로 유지될지는 구글의 추가 공지를 지켜봐야 하는 부분이다.

보이스 에이전트 생태계 파트너들

구글은 공식 블로그에서 비보(vivo), 인텔리텍 헬스(Intellitek Health), 링고팔(Lingopal) 등 여러 기업이 이 모델에 대해 지연시간과 정확도, 폭넓은 언어 지원을 긍정적으로 평가했다고 소개했다. 이런 초기 피드백은 실제 산업 현장, 특히 헬스케어나 다국어 통역처럼 정확도가 중요한 분야에서도 이 모델이 검증되고 있다는 신호로 해석할 수 있다.

보이스 기반 서비스를 만드는 개발자 플랫폼 생태계도 빠르게 제미나이 3.5 트랜스크라이브를 통합하고 있다. 앞서 언급한 아고라, 피시잼, 랭체인, 라이브킷, 파이프캣, 버셀, 비전 에이전츠는 모두 라이브 API 연동 문서를 이미 공개한 상태다. 이는 처음부터 스트리밍 인프라를 직접 구축하지 않아도 되는 진입장벽 완화 효과로 이어져, 중소규모 개발팀도 실시간 음성 서비스를 상대적으로 빠르게 출시할 수 있는 환경이 만들어지고 있다는 뜻이다.

“기존 음성 인식 모델과 달리, 제미나이 3.5 트랜스크라이브는 배경 소음과 복잡한 전문 용어, 발화 중 끊김까지 원본 오디오에서 곧바로 정확하고 정돈된 서식의 텍스트로 변환한다.”

— Google 공식 블로그, “Intelligent transcription with Gemini 3.5 Transcribe”

한국 사용자와 개발자에게 주는 의미

이 단원에서는 한국어 지원 수준과 국내 서비스에 적용될 가능성을 살펴본다. 글로벌 발표라도 결국 한국 사용자에게 실질적으로 어떤 의미인지가 궁금할 것이다.

한국어 지원 수준과 한계

구글 AI 개발자 문서가 공개한 지원 언어 목록에는 한국어(ko-KR)가 포함돼 있다. 85개 이상 지원 언어 중 하나로, 다른 아시아 언어인 일본어(ja-JP), 중국어 간체(cmn-Hans-CN), 광둥어(yue-Hant-HK)와 함께 이름을 올렸다. 다만 공식 발표문과 문서 어디에도 언어별 세부 오류율은 공개돼 있지 않다. 앞서 언급한 2.6%와 4.0%, FLEURS 벤치마크의 5.04%와 5.50%는 모두 “주요 언어를 종합한 평균치”이지 한국어만 따로 측정한 수치가 아니라는 점은 분명히 해둘 필요가 있다.

따라서 한국어 사용자가 실제로 체감하는 정확도는 공식 평균치와 다를 수 있다. 지보드 램블러 역시 9to5Google 보도에 따르면 “일부 국가와 언어부터” 순차적으로 확대되는 중이어서, 한국어 사용자에게 언제 정식으로 제공되는지는 아직 명확하지 않다. 맥OS 제미나이 앱의 음성 명령 기능도 현재는 영어로만 제공된다고 구글은 명시했다.

국내 서비스 적용 가능성

그럼에도 불구하고 국내 개발사 입장에서는 눈여겨볼 이유가 있다. 콜센터 상담 기록 자동화, 회의록 정리, 다국어 고객 응대처럼 이미 국내 스타트업과 기업들이 음성 인식 API를 적극 도입하고 있는 영역에서, 제미나이 3.5 트랜스크라이브의 화자 분리와 커스텀 어휘 기능은 실무 적용성이 높다. 특히 특정 업계의 전문 용어나 제품명을 커스텀 어휘로 등록해 인식률을 높일 수 있다는 점은, 한국어 고유명사나 신조어가 많은 국내 서비스 환경에 적합한 기능이다.

라이브킷, 랭체인처럼 이미 국내 개발자들 사이에서도 널리 쓰이는 프레임워크가 이 모델의 라이브 API를 지원한다는 점도 진입장벽을 낮추는 요인이다. 다만 앞서 언급했듯 이 모델은 아직 공개 프리뷰 단계이고, 가격 역시 프리뷰 기준으로 책정된 값이므로, 정식 도입 전에는 언어별 실측 정확도와 최종 요금제를 직접 검증하는 절차가 필요하다.

이 음성인식 모델은 앞서 벤치마크 성능을 두고 화제가 됐던 제미나이 3.7 플래시 벤치마크 총정리 글에서 다룬 제미나이 패밀리의 연장선에 있다. 같은 제미나이 브랜드 안에서 텍스트·코딩 모델과 음성 특화 모델이 각각 별도 트랙으로 발전하고 있다는 점에서, 구글의 멀티모달 전략을 이해하는 데 참고할 만하다. 암호화된 데이터를 다루는 구글 HEIR 동형암호 컴파일러 총정리 글 역시 같은 시기 구글이 여러 갈래로 밀어붙이고 있는 응용 AI 연구의 한 사례다.

한눈에 보는 요약

바쁜 독자를 위해 제미나이 3.5 트랜스크라이브의 핵심 내용을 아래에 정리했다.

• 구글이 2026년 8월 26일 공식 블로그를 통해 제미나이 3.5 트랜스크라이브를 발표했다.
• 단어 오류율은 비스트리밍 2.6%, 스트리밍 4.0%로, 이전 모델 챠프 3 대비 최종 전사 시간이 70% 단축됐다.
• 실시간용 gemini-3.5-transcribe-live와 사전 녹음 처리용 gemini-3.5-transcribe 두 가지 API로 나뉜다.
• 커스텀 어휘 최대 1,000개, 화자 분리 최대 8명(3명 이상은 실험적), 85개 이상 언어를 지원한다.
• 이미 안드로이드 지보드 램블러와 맥OS 제미나이 앱에 적용됐고, 크롬 브라우저 도입도 예정돼 있다.
• 가격은 오디오 입력 100만 토큰당 2.00달러, 텍스트 출력 100만 토큰당 12.00달러이며 공개 프리뷰 기준이다.
• 한국어(ko-KR)도 지원 언어 목록에 포함돼 있지만, 언어별 세부 오류율은 아직 공개되지 않았다.
• 아고라·랭체인·라이브킷 등 개발자 플랫폼이 이미 라이브 API 연동을 지원한다.

정리하면, 제미나이 3.5 트랜스크라이브는 음성을 텍스트로 바꾸는 기술이 “정확성 경쟁”에서 “이해와 정리 경쟁”으로 넘어가고 있음을 보여주는 사례다. 오류율 수치 자체도 의미 있지만, 채움말을 걸러내고 자기 교정 발화를 처리하며 다른 모델에 작업을 위임하는 함수 호출까지 갖췄다는 점에서, 이 모델은 단순 받아쓰기 도구가 아니라 음성 기반 워크플로우의 입구 역할을 노리고 있다. 다만 공개 프리뷰 단계인 만큼 가격과 언어별 정확도는 정식 출시 이후 다시 검증할 필요가 있으며, 이 글 역시 그 시점에 맞춰 갱신할 예정이다.

참고 자료: Google 공식 블로그 발표문, Google AI 개발자 문서, 9to5Google 보도.