DeepL, 실시간 음성 번역 서비스 'DeepL Voice' 출시

다국어 회의나 해외 출장에서 가장 답답한 순간은 번역기가 몇 초 동안 멈칫하며 대화의 흐름을 끊을 때입니다.

정교한 텍스트 번역으로 이름을 알린 독일의 AI 유니콘 DeepL이 마침내 음성 영역에 진출했습니다. DeepL은 11월 13일, 사람의 음성을 실시간으로 인식해 텍스트 자막으로 번역해 주는 신제품 DeepL Voice를 공식 출시했습니다.

스마트폰 맞대고 대화하는 대면 모드와 Teams 연동

DeepL Voice는 오프라인 대면 대화와 온라인 화상회의라는 두 가지 핵심 상황을 겨냥했습니다.

대면 상황에서는 스마트폰 화면을 양방향 미러 형태로 띄울 수 있습니다. 회의 테이블 가운데 스마트폰을 올려두면, 양쪽 사용자가 각자의 방향에서 실시간으로 번역되는 텍스트를 바로 확인할 수 있습니다.

화상회의의 경우 현재는 Microsoft Teams만 지원합니다. 회의 중 참가자가 말을 하면 화면 하단에 실시간 번역 자막이 표시됩니다. 널리 쓰이는 Zoom이나 Google Meet 지원 일정은 아직 공개되지 않았습니다.

인식 가능한 음성 언어는 한국어, 영어, 일본어, 독일어, 프랑스어, 스페인어 등 13개 언어입니다. 번역되어 출력되는 자막은 기존 DeepL 번역기가 지원하는 33개 언어를 모두 지원합니다.

주목할 점은 음성 합성이나 목소리 복제 기능 없이 오직 텍스트 자막으로만 결과를 제공한다는 점입니다. DeepL 창업자이자 CEO인 야렉 쿠틸로브스키는 음성 생성까지 거치면 지연 시간이 길어져 라이브 대화가 불가능해지기 때문에, 속도가 가장 빠른 텍스트 방식을 택했다고 설명했습니다.

음성 처리는 기기가 아닌 클라우드 서버에서 이루어지지만, DeepL 측은 음성 데이터를 절대 보관하지 않고 자사 LLM 학습에도 쓰지 않아 유럽 GDPR 규정을 철저히 준수한다고 밝혔습니다.

왜 중요한가

Microsoft Teams를 주로 사용하는 기업이나 외국인 고객을 직접 응대해야 하는 현장 실무자에게 DeepL Voice는 즉각적인 효용을 제공합니다. DeepL 특유의 자연스러운 문맥 번역을 지연 없이 실시간 자막으로 볼 수 있기 때문입니다. 다만 공개 API가 없고 지원하는 화상회의 플랫폼이 Teams 하나뿐이라는 점은 초기 확장의 한계입니다.

업계 전반으로 보면 AI 음성 번역의 방향성이 갈리는 지점입니다. ElevenLabs 같은 스타트업들이 목소리 복제와 입모양 맞춤 등 화려한 기능에 집중하는 반면, DeepL은 지연 시간을 줄이고 번역 정확도를 높이는 실용 노선을 택했습니다. 쿠틸로브스키에 따르면 ElevenLabs 역시 자체 번역 서비스에 DeepL의 기술을 활용하고 있습니다.

우리는 DeepL의 이러한 선택이 매우 현실적이고 영리하다고 봅니다. 비즈니스 미팅에서 가장 중요한 것은 내 목소리를 흉내 내는 AI 오디오가 아니라, 상대방의 말을 끊김 없이 이해하는 속도입니다. 화려함 대신 기업 고객이 진짜 필요로 하는 낮은 지연율과 정확성에 집중한 정공법입니다.