구글, 제미나이 네이티브 오디오 업그레이드…구글 번역에 실시간 동시통역 추가

외국인과 대화할 때 스마트폰 화면을 번갈아 보며 기계음 번역을 기다리던 어색한 순간이 조만간 사라질 것으로 보입니다.

구글이 음성 에이전트를 위한 개선된 '제미나이 2.5 플래시 네이티브 오디오(Gemini 2.5 Flash Native Audio)' 모델을 공개하고, 구글 번역 앱에 실시간 음성 대 음성 번역 베타 기능을 도입했습니다.

말하는 사람의 억양까지 살려 이어폰으로 들려주는 번역

가장 눈에 띄는 변화는 구글 번역 앱에 추가된 이어폰 실시간 번역 기능입니다.

음성을 텍스트로 바꾸고 다시 번역해 기계음으로 읽어주던 기존 파이프라인 방식과 달리, 모델이 음성을 직접 처리하는 네이티브 방식을 채택했습니다. 덕분에 말하는 사람의 억양과 말하는 속도, 음조를 그대로 살려 번역 음성을 생성합니다.

주변에서 들리는 여러 외국어를 실시간으로 감지해 내 모국어로 통역해 주는 '연속 청취' 모드와, 나는 이어폰으로 번역을 듣고 상대방에게는 스마트폰 스피커로 번역된 음성을 들려주는 '양방향 대화' 모드를 지원합니다.

70개 이상의 언어와 2000개 이상의 언어 쌍을 지원하며, 일반 유선 및 무선 이어폰 어디서나 사용할 수 있습니다. 현재 미국, 멕시코, 인도의 안드로이드 기기에서 베타 서비스가 시작되었으며, iOS 및 기타 지역 지원은 2026년에 예정되어 있습니다.

복잡한 업무를 소화하는 보이스 에이전트

개발자와 기업을 위한 음성 제어 성능도 한층 탄탄해졌습니다.

개발자 지시 사항 준수율이 기존 84%에서 90%로 향상되었고, 여러 단계의 외부 기능을 호출하는 역량을 측정하는 'ComplexFuncBench Audio' 벤치마크에서는 71.5%의 점수를 기록했습니다. 대화 흐름을 끊지 않고 실시간 데이터를 외부에서 가져와 답변에 녹여내는 능력이 개선된 결과입니다.

기업들의 실제 도입 성과도 공개되었습니다. 쇼피파이(Shopify) 측은 이용자들이 대화 시작 1분 만에 AI와 말하고 있다는 사실을 잊을 정도라고 밝혔으며, 미국 모기지 업체 UWM은 해당 모델을 통해 1만 4000건 이상의 대출을 성사시켰다고 설명했습니다.

이 모델은 현재 버텍스 AI(Vertex AI)에서 정식 지원되며, 구글 AI 스튜디오 및 제미나이 라이브, 서치 라이브에 순차적으로 적용되고 있습니다.

왜 중요한가

별도의 전용 통역 기기를 새로 팔지 않고, 이용자가 이미 갖고 있는 스마트폰과 평범한 이어폰에 강력한 기능을 바로 얹었다는 점에서 영리한 접근이라고 봅니다.

그동안 동시통역 기술의 가장 큰 진입 장벽이었던 긴 지연 시간과 감정 없는 로봇 목소리를 네이티브 오디오 기술로 정면 돌파했습니다. 해외 출장이 잦은 직장인이나 외국어 강연을 들어야 하는 사용자라면 정식 출시 시점에 체감할 효용이 매우 클 것으로 보입니다.

업계 차원에서는 음성 인터페이스 경쟁의 판도가 텍스트 기반 챗봇에서 실시간 상호작용으로 완전히 넘어가고 있음을 보여줍니다. 구글은 검색과 번역이라는 자사 고유의 플랫폼 장악력을 네이티브 음성 기술과 결합해 오픈AI 등 경쟁사와의 서비스 격차를 벌리려는 모양새입니다.

다만 초기 베타 테스트가 안드로이드 기반의 일부 국가로 제한되어 있고, 글로벌 출시와 iOS 지원까지는 2026년을 기다려야 한다는 점은 아쉬운 대목입니다. 시끄러운 실제 야외 환경에서 배경 소음을 얼마나 완벽하게 걸러낼지가 실질적인 대중화의 관건이 될 것으로 보입니다.