구글, 실시간 음성 번역 모델 '제미나이 3.5 라이브 번역' 공개...70개 언어 지원

외국어로 통화할 때 말을 다 끝내고 몇 초간 어색한 정적이 흐른 뒤 로봇 같은 기계음이 나오는 순간만큼 답답한 일도 없습니다.

Google이 이 간극을 메우기 위해 실시간 음성 대 음성 번역 모델인 Gemini 3.5 Live Translate를 출시했습니다. 70개 이상의 언어를 자동으로 인식하며, 화자의 억양과 말하는 속도, 음조를 그대로 유지한 채 화자보다 단 몇 초 뒤처진 속도로 매끄러운 번역 음성을 연속 생성합니다.

턴 방식을 넘어 실시간 스트리밍으로

기존 통역 시스템은 한 사람이 말을 끝낼 때까지 기다렸다가 번역을 시작하는 턴 방식이 기본이었습니다.

Gemini 3.5 Live Translate는 연속 오디오 스트리밍 방식을 사용합니다. 문맥을 파악해 번역 품질을 확보하는 것과 지연 시간을 줄여 화자와 속도를 맞추는 것 사이에서 균형을 잡으며 작동합니다. 주변 소음이 심한 환경에서도 안정적으로 소리를 잡아냅니다.

개발자 문서에 따르면 Google은 지연 시간을 극도로 낮추기 위해 대화형 에이전트의 다른 기능을 과감히 덜어냈습니다. 함수 호출, 웹 검색, 텍스트 지침, 비디오 입력 등을 모두 제외하고 순수하게 오디오 입력과 오디오 출력 파이프라인에만 집중하도록 설계했습니다. 생성된 음성에는 위조 방지를 위해 귀에 들리지 않는 SynthID 워터마크가 기본 삽입됩니다.

귀에 대고 듣는 모드와 Meet의 다국어 확장

개발자는 Google AI Studio와 Gemini Live API를 통해 공개 프리뷰로 바로 연동할 수 있으며 Agora, LiveKit, Pipecat 같은 플랫폼도 실시간 스트리밍 인프라를 지원합니다. 매월 1000만 건 이상의 음성 통화가 발생하는 동남아 차량 호출 플랫폼 Grab도 기사와 승객 간 통화 통역에 이 모델을 시험 중입니다.

일반 사용자는 Android 및 iOS의 Google 번역 앱에서 순차적으로 이용할 수 있습니다. 특히 Android 번역 앱에는 이어폰이 없을 때 일반 전화 통화처럼 휴대폰을 귀에 대면 수화부 스피커로 번역 음성이 바로 흘러나오는 리스닝 모드가 추가되었습니다.

Google Meet 역시 일부 기업용 Workspace 고객을 대상으로 비공개 프리뷰를 시작했습니다. 기존 Meet 통역은 영어를 거치는 5개 언어에 불과했으나, 이번 업데이트로 70개 이상의 언어와 회의당 2000개 이상의 언어 조합 간 직접 통역을 지원합니다.

왜 중요한가

해외 출장이 잦은 직장인이나 글로벌 원격 회의가 일상인 사용자에게는 체감 효용이 매우 큽니다. 별도의 통역 전용 기기나 번거로운 이어폰 페어링 없이도 전화받듯 귀에 대고 통역을 듣거나 Meet에서 영어를 거치지 않고 소수 언어 간 직접 소통할 수 있게 되었습니다.

업계 관점에서도 영리한 선택으로 보입니다. 최근 빅테크들이 모든 기능을 때려 넣은 만능 멀티모달 에이전트에 집중하는 반면, Google은 실시간 통역을 위해 검색이나 도구 호출을 배제하고 오디오 전용 경량 파이프라인으로 승부수를 띄웠습니다.

다만 어순 차이가 큰 언어 조합, 예컨대 문장 끝에 동사가 오는 한국어나 일본어와 영어 간 통역에서 단 몇 초의 시차만 두고 문맥을 얼마나 완벽하게 유지할 수 있을지는 실제 광범위한 테스트를 통해 검증이 필요해 보입니다.