구글 딥마인드, 실시간 음성인식 모델 ‘제미나이 3.5 트랜스크라이브’ 공개

구글 딥마인드는 20일(현지시간) 실시간 음성 인식용 새 모델 ‘제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)’를 공개했다고 밝혔다. 이 모델은 배경 소음, 전문 용어, 말더듬 등 기존 음성 인식 모델이 처리하기 어려웠던 요소를 반영해 음성을 정확하고 정돈된 텍스트로 바꾸도록 설계됐다.

구글 딥마인드에 따르면 제미나이 3.5 트랜스크라이브는 원시 음성을 직접 받아들여 정확한 문장과 형식의 텍스트로 변환한다. 또 자연스러운 말투와 의도를 파악하고, 사용자 맞춤 어휘도 인식할 수 있도록 만들어졌다. 라이브 언어 전환과 스트리밍 전사 기능을 지원하며, 여러 화자가 있는 대화에서는 화자 구분과 단어 단위 시간표시도 제공한다.

이 모델은 구글 AI 스튜디오의 제미나이 API와 제미나이 엔터프라이즈 에이전트 플랫폼에서 사용할 수 있다. 개발자는 이를 활용해 음성 에이전트, 실시간 자막 도구, 통화 후 분석 파이프라인 등을 구축할 수 있다고 회사는 설명했다.

구글 딥마인드는 제미나이 3.5 트랜스크라이브가 이전 전사 모델인 ‘치프 3(Chirp 3)’보다 성능이 향상됐다고 밝혔다. 외부 평가기관 Artificial Analysis 기준으로 최종 전사까지 걸리는 시간은 70% 개선됐고, FLEURS 벤치마크에서는 스트리밍 모드 기준 단어 오류율(WER) 5.50%, 비스트리밍 사용 사례에서 5.04%를 기록했다고 전했다.

이 모델은 구글의 일부 제품에도 적용되고 있다. 회사는 제미나이 앱과 안드로이드에서 이미 음성 기능에 활용되고 있으며, 맥OS용 제미나이 앱에서도 사용할 수 있다고 밝혔다. 또 Gboard, 안드로이드용 Rambler, 크롬, 구글 Antigravity 등에서도 문맥을 반영한 전사와 편집 기능을 지원한다고 설명했다.