구글, 제미나이 3.8 라이브 아바타 공개: 97개 언어 실시간 립싱크 지원

텍스트 입력창이나 화면에서 흔들리는 음성 파형을 보며 대화하던 시대가 점차 저물고 있습니다.

Google은 지난주 Gemini 3.8 Live를 선보인데 이어, 실시간 비디오 생성과 음성 모델을 결합한 Gemini 3.8 Live with Live Avatar를 발표했습니다. 사용자의 말을 듣고, 사용자를 보며, 직접 표정을 지으며 대화하는 디지털 페르소나를 구현한 것입니다.

이 기능은 현재 Gemini Enterprise 고객을 대상으로 제공을 시작했습니다.

97개 언어를 오가며 대화 도중 백그라운드 업무까지 처리

기존 가상 안내원의 어색한 입모양과 굳은 표정과 달리, Live Avatar는 정밀한 립싱크와 자연스러운 턴테이킹(발화 교대)에 집중했습니다.

음성과 시각 입력을 동시에 처리하기 때문에 사용자의 음성뿐 아니라 화면 속 상황까지 종합적으로 파악하며 반응을 생성합니다.

특히 돋보이는 부분은 다국어 지원 성능입니다. 97개 언어의 네이티브 음성 동기화를 지원하며, 대화 도중 언어를 갑자기 변경하더라도 화질 저하나 시각적 뒤틀림 없이 입모양과 표정이 즉각적으로 맞춰집니다.

기업 실무 관점에서 가장 유용한 기술은 비동기 도구 호출입니다. 기존 에이전트는 백엔드 시스템에서 데이터를 조회할 때 대화가 뚝 끊기기 일쑤였습니다. Live Avatar는 백그라운드에서 API를 호출하고 정보를 가져오는 동안에도 사용자와의 얼굴 대화를 중단 없이 자연스럽게 이어갑니다.

Google이 공개한 시연에서는 호텔 체크인 과정을 다뤘는데, AI는 뒤에서 투숙객 정보를 확인하고 절차를 밟으면서도 끊김 없이 손님과 가벼운 대화를 나누는 모습을 보여줬습니다.

기업은 기본 프리셋 아바타를 활용할 수도 있고, 고화질 참조 이미지 한 장을 넣어 브랜드 전용 아바타를 만들 수도 있습니다. 다만 맞춤형 아바타 제작은 현재 기업 화이트리스트를 통해 제한적으로 허용되며, 생성된 모든 오디오와 비디오에는 위변조 방지를 위한 SynthID 비가시성 워터마크가 적용됩니다.

왜 중요한가

고객 서비스, 호텔 안내, 인터랙티브 튜토리얼을 운영하는 기업 입장에서는 무미건조한 챗봇이나 음성 ARS를 시각적 존재감이 있는 페르소나로 바꿀 수 있는 명확한 기회입니다. 단 한 장의 사진으로 기업 고유의 비주얼을 구현할 수 있어 3D 모델링 비용 부담도 크게 낮췄습니다.

산업 측면에서는 멀티모달 상호작용의 표준을 단순 음성 응답에서 실시간 표정과 영상 생성의 결합으로 끌어올렸다는 의미가 있습니다. 경쟁사들 역시 비디오와 음성을 통합한 페르소나 기술을 서둘러 내놓아야 하는 압박을 받게 되었습니다.

우리는 Google이 비동기 도구 호출을 핵심으로 엮어낸 점이 특히 영리하다고 봅니다. 겉모습만 그럴듯하고 실제 전산 처리를 할 때 침묵해버리면 업무용으로 쓸 수 없는데, 대화를 유지하며 백그라운드 조회를 처리하는 구조로 실질적인 효용을 챙겼기 때문입니다.

하지만 실시간 비디오 스트리밍을 지속적으로 생성하는 데 따르는 인프라 비용은 기업 입장에서 상당한 부담이 될 수 있습니다. 또한 SynthID가 포함되어 있더라도 사진 한 장으로 반응형 아바타를 복제할 수 있다는 점은 향후 신원 도용이나 보안 리스크 관리 측면에서 계속 지켜봐야 할 부분입니다.