구글, 실시간 음성 AI '제미나이 3.1 플래시 라이브' 출시

음성 AI를 쓰면서 가장 답답한 순간은 말을 채 끝내기도 전에 끼어들거나, 사용자가 짜증을 내는데도 기계적인 톤으로 엉뚱한 답변을 이어갈 때입니다.

Google이 실시간 대화 기능을 강화한 차세대 오디오 및 음성 모델인 Gemini 3.1 Flash Live를 공개했습니다. 개발자는 Google AI Studio의 Gemini Live API 프리뷰를 통해 사용할 수 있으며, 기업용 고객 응대 플랫폼과 일반 사용자를 위한 Gemini Live 및 Search Live에도 일제히 적용되었습니다.

목소리 톤을 읽고 말 끊김에도 버틴다

이전 모델인 2.5 Flash Native Audio와 비교했을 때, 3.1 Flash Live는 목소리의 미세한 뉘앙스를 잡아내는 능력과 긴 호흡의 추론 능력이 크게 개선되었습니다.

피치와 말의 속도를 더 정밀하게 감지해 사용자가 겪는 좌절감이나 혼란을 인식하고 반응 톤을 유연하게 조절합니다. 버라이즌, 라이브킷, 홈디포 등 초기 도입 기업들도 실제 업무 환경에서 훨씬 자연스러운 상호작용이 가능해졌다고 평가했습니다.

성능 지표에서도 향상이 두드러집니다. 다단계 함수 호출 능력을 측정하는 ComplexFuncBench Audio에서 90.8%를 기록했습니다. 실제 음성 대화 특유의 잦은 끼어들기와 머뭇거림 속에서 지시 이행 능력을 평가하는 Scale AI의 Audio MultiChallenge에서는 씽킹 기능을 켠 상태로 36.1%를 달성했습니다.

Gemini Live 일반 이용자 입장에서는 체감 반응 속도가 빨라졌고, 대화 흐름을 기억하고 추적하는 길이가 기존 대비 2배로 늘어났습니다. 생성된 모든 음성에는 딥페이크나 오용을 방지하기 위해 SynthID 비가청 워터마크가 기본 적용됩니다.

카메라로 비추며 대화하는 Search Live, 200개국으로 확대

모델의 다국어 처리 능력을 바탕으로 Google은 Search Live를 AI Mode 지원 대상인 전 세계 200개 이상의 국가 및 지역으로 확대했습니다.

안드로이드와 iOS의 Google 앱 검색창 아래에 있는 Live 아이콘을 누르거나, Google 렌즈 화면 하단에서 실시간 대화 모드를 켜서 사용할 수 있습니다.

음성과 카메라를 결합한 실시간 멀티모달 대화가 핵심입니다. 복잡한 가구를 조립하거나 고장 난 기기를 수리할 때 스마트폰 카메라로 비추며 말로 물어보면, AI가 화면을 직접 보면서 단계별 가이드와 관련 웹 링크를 실시간 음성으로 안내합니다.

왜 중요한가

Google이 거대 모델의 성능 과시 대신, 가볍고 빠른 Flash 계열에서 음성 인터랙션의 현실적인 완성도를 끌어올린 점은 꽤 실용적인 선택으로 보입니다.

일반 사용자에게는 두 손을 쓰기 어려운 상황에서 카메라와 음성이 결합된 검색의 효용이 매우 큽니다. 대화 맥락 유지 길이가 2배로 길어졌기 때문에, 대화 중간에 다른 주제를 묻더라도 원래 흐름으로 돌아오기가 한결 수월해졌습니다.

기업 관점에서도 고객의 감정 변화를 읽는 음향 감지 능력과 90%가 넘는 함수 실행 정확도는 중요합니다. 감정이 상한 고객을 응대하거나 복잡한 예약 및 조회 작업을 자동화할 때 에이전트의 완성도를 크게 높여줄 수 있습니다.

다만 벤치마크상의 끼어들기 대응과 실제 다양한 네트워크 환경에서의 지연 시간은 다른 문제입니다. 전 세계 200여 개 지역의 다양한 통신 환경에서 사람과 대화하는 듯한 응답 템포를 안정적으로 유지할 수 있을지가 상용화의 관건이 될 것으로 생각합니다.