구글, 생각하며 말하는 음성 AI '제미나이 3.8 라이브' 공개

지금까지 음성 AI를 사용하면서 가장 답답했던 순간은 복잡한 질문을 던졌을 때 찾아오는 '적막'이었습니다. 백그라운드에서 검색이나 연산을 수행하는 동안 시스템이 멈춘 것인지 알 수 없어 무작정 기다려야 했기 때문입니다.

구글이 이 어색한 공백을 깨뜨리는 새로운 모델을 선보였습니다. 구글은 9월 15일, 차세대 실시간 음성 AI 모델인 '제미나이 3.8 라이브(Gemini 3.8 Live)'와 '제미나이 3.8 라이브 익스텐디드 씽킹(Gemini 3.8 Live Extended Thinking)'을 전격 공개했습니다.

생각하면서 말하고, 말하면서 도구를 실행하다

이번 발표의 핵심은 모델이 다단계 추론과 백그라운드 도구 실행을 처리하면서도 끊김 없이 대화를 지속할 수 있다는 점입니다.

기본형인 제미나이 3.8 라이브는 실시간 시각 정보 처리를 지원해 카메라로 사물을 비추며 즉각 질문을 주고받을 수 있습니다. 또한 사용자의 말을 분석해 97개 언어를 자동으로 감지하고 대화 도중에도 자연스럽게 언어를 전환합니다. 외부 도구나 API를 호출할 때도 대화를 멈추지 않고 계속해서 사용자와 상호작용합니다.

복잡한 작업을 겨냥한 익스텐디드 씽킹 모델은 한 걸음 더 나아갔습니다. 백그라운드에서 추론을 이어가는 동안 "잠시 확인해 보겠습니다" 같은 자연스러운 추임새를 넣고, 작업 단계를 음성으로 실시간 중계하며 대화를 유지합니다.

성능 지표도 최상위권입니다. 3.8 라이브 익스텐디드 씽킹은 아티피셜 아날리시스(Artificial Analysis)의 음성-음성 품질 지수에서 82.6점을 기록하며 1위에 올랐습니다. 에이전트 작업 완료 벤치마크인 τ-Voice에서는 68.6%, 금융 작업 중심의 τ-Voice-banking에서는 35.1%, 음성 추론 벤치마크인 Big Bench Audio에서는 97.7%를 기록했습니다. 기본형인 3.8 라이브 역시 Speech Agent Arena에서 2위를 차지했습니다.

오디오 안전을 위해 생성된 모든 음성 출력에는 육안이나 청각으로는 감지되지 않는 신스ID(SynthID) 워터마크가 기본 적용됩니다.

현재 두 모델은 개발자를 위해 제미나이 API와 구글 AI 스튜디오에 공개되었으며, 아고라(Agora), 라이브킷(LiveKit), 버셀(Vercel) 등의 플랫폼을 통해 즉시 연동할 수 있습니다. 일반 사용자에게는 서치 라이브, 제미나이 라이브 및 구글 워크스페이스(문서, 지메일, Keep)를 통해 순차 배포됩니다.

왜 중요한가

우리는 구글이 음성 AI 에이전트의 최대 난제였던 '지능'과 '응답 속도' 사이의 딜레마를 영리한 인터랙션 구조로 풀어냈다고 봅니다.

기존 음성 모델은 지연 시간을 줄이려다 지능이 떨어지거나, 복잡한 추론을 하느라 사용자를 통화 대기 상태처럼 방치하곤 했습니다. 백그라운드 작업을 실행하면서도 자연스럽게 말을 건네는 방식은 기술적 지연을 사용자 체감 지연 0으로 바꾸는 효과를 냅니다. 고객 응대, 현장 기술 지원 등 엔터프라이즈 환경에서 매우 실용적인 변화입니다.

또 하나의 결정타는 압도적인 비용 효율성입니다. 여러 분석에 따르면 제미나이 3.8 라이브는 경쟁 제품인 그록 보이스(Grok voice)나 GPT 라이브에 버금가는 성능을 내면서도 구동 비용은 몇 배나 저렴합니다. 구글이 강력한 인프라를 바탕으로 음성 AI 생태계의 가격 기준점을 대폭 낮추고 있습니다.