Gemini 3.5 Transcribe 받아쓰기 AI 출시

구글의 새 음성 인식 AI 모델 Gemini 3.5 Transcribe(제미나이 3.5 트랜스크라이브)는 자체 벤치마크는 물론 독립 테스트에서도 구글이 내놓은 모델 중 가장 정밀하다는 평가를 받으며, 2026년 8월 26일 공개 프리뷰로 전환됐습니다. 이 모델은 용도가 다른 두 개의 API로 나뉘어 제공됩니다. 실시간 음성 앱을 위한 스트리밍 전용 API와, 팟캐스트·회의·인터뷰 녹음에 화자 라벨과 단어 단위 타임스탬프를 더해 주는 사전 녹음용 API입니다.

구글은 이번 모델에 스마트 트랜스크립션 모드를 새로 얹었습니다. 말하다가 중간에 정정한 부분을 알아채고, 필러 단어를 걸러내고, 결과물을 자동으로 정리해 주는 기능으로, 대부분의 음성 인식 도구가 기본으로 제공하는 ‘말한 그대로 옮기는’ 방식 위에 얹힌 상위 옵션입니다. Artificial Analysis의 독립 테스트에 따르면 단어 오류율은 사전 녹음 오디오에서 2.6%, 실시간 스트리밍에서 4.0%를 기록했고, 이전 모델인 Chirp 3 대비 최종 전사문이 나오기까지 걸리는 시간이 70% 줄었습니다. 이미 Gboard, Google Antigravity, AI Studio, macOS용 Gemini 앱까지 롤아웃이 진행 중입니다.

실시간용과 녹음용으로 나뉜 Gemini Transcribe API

Gemini 3.5 Transcribe의 두 API는 겨냥하는 작업부터 다릅니다. Live API(gemini-3.5-transcribe-live)는 양방향으로 오디오를 계속 스트리밍하며 1초 미만의 지연 시간으로 텍스트를 돌려주는 방식으로, 발화가 잠깐 끊기기를 기다릴 여유가 없는 음성 에이전트 같은 앱에 맞춰져 있습니다. Interactions API(gemini-3.5-transcribe)는 이미 녹음된 오디오를 처리하며 화자 식별과 단어 단위 타임스탬프를 더해 주는데, 팟캐스트 편집자와 회의록 작성자에게 필요한 바로 그 형식입니다.

두 API 모두 실제 대화 속 지저분한 발화를 다루는 방식은 같습니다. 기본 모드인 축어 모드는 필러 단어까지 그대로 살려 말한 내용을 한 글자도 빠짐없이 옮깁니다. 별도의 스마트 모드는 “화요일에 만나요, 아니 수요일이요” 같은 일상 대화 속 자기 정정을 알아서 해결하고, “음”, “어” 같은 소리를 걸러내며, 결과물을 밋밋한 텍스트 덩어리로 남기는 대신 서식을 입혀 줍니다.

커스텀 어휘 등록도 지원합니다. 전문 용어, 제품명, 특이한 철자를 미리 입력해 두면 추측하는 대신 그대로 반영합니다. Interactions API는 여기에 더해 서로 다른 화자를 구분하고 각각 타임스탬프를 붙일 수 있습니다.

Gemini 3.5 Transcribe의 정확도는 어느 정도인가요?

구글이 내세우는 정확도 주장은 독립 테스트로도 뒷받침됩니다. Artificial Analysis는 Interactions API를 통한 사전 녹음 오디오에서 단어 오류율 2.6%, Live API를 통한 실시간 스트리밍에서 4.0%를 측정했습니다. 이 모델은 소음이 많은 환경에서도 안정적으로 작동했고, 우편번호나 주문 번호 같은 영숫자 조합도 정확히 인식했습니다.

여러 언어에 걸쳐 정확도를 검증하는 FLEURS 다국어 벤치마크에서는 비스트리밍 오디오 기준 단어 오류율 5.04%, 스트리밍 기준 5.50%를 기록했습니다.

이 70%라는 속도 수치의 기준점은 구글의 기존 전사 모델인 Chirp 3입니다. 구글은 새 모델이 낮은 단어 오류율 위에 새로운 기능까지 얹었다고 설명하지만, 실무에서 가장 뚜렷하게 체감되는 차이는 속도입니다. Artificial Analysis는 Chirp 3 대비 최종 전사문 생성 속도가 70% 개선됐다고 측정했는데, 지연이 곧바로 체감되는 Live API의 실시간 활용 사례에서 특히 중요한 변화입니다.

Gemini 3.5 Transcribe, 지금 어디서 쓸 수 있나요?

제공 범위는 사용자층에 따라 다릅니다. 개발자는 지금 바로 Google AI Studio와 Google Antigravity 안의 Gemini API로 Gemini 3.5 Transcribe를 테스트할 수 있습니다. 기업 고객은 Gemini Enterprise Agent Platform을 통해 공개 프리뷰로 이용할 수 있으며, Gemini Enterprise for Customer Experience는 출시 예정으로 안내되어 있습니다. 일반 사용자는 이미 네 가지 제품 안에서 이 모델을 쓰고 있습니다.

Chrome 지원도 곧 추가되어, 웹 어디서든 폼이나 텍스트 필드에 타이핑 대신 말로 입력할 수 있게 됩니다. macOS에서는 이 모델이 함수 호출 기능을 통해 다른 Gemini 모델에 작업을 넘길 수도 있습니다. 대화 중에 이미지를 생성하거나 파일을 분석해 달라고 요청하면 요청이 자동으로 알맞은 모델로 라우팅되며, Gemini 3.5 Transcribe는 그 작업을 직접 처리하는 대신 인터페이스 역할만 맡습니다.

실제로 콘텐츠를 만드는 사람 입장에서 보면, 이런 활용은 이미 매일 쓰는 도구들과 자연스럽게 맞물립니다. 팟캐스트 원본 녹음을 검색 가능한 트랜스크립트로 바꾸는 일, 영상을 내보내기 전에 자막 초안을 잡는 일, 타이핑 대신 말로 불러 대본 초고를 쓰는 일, 그렇게 나온 깔끔한 트랜스크립트를 베스트 AI 텍스트 음성 변환 도구 중 하나에 넣어 다른 언어의 더빙 보이스오버를 만드는 일까지 폭넓게 걸쳐 있습니다. Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel, Vision Agents 같은 개발자 플랫폼은 이미 이를 지원하고 있으며, Vivo·Intellitek Health·Lingopal 같은 초기 사용자들은 구글이 출시와 함께 공개한 후기에서 지연 시간, 정확도, 언어 지원 범위를 꼽았습니다.

트랜스크립션을 인프라로 만드는 구글의 승부수

구글은 8월 26일 출시에 별도의 제품 페이지도, 가격표도 붙이지 않았습니다. 대신 사람들이 이미 쓰고 있는 것들, 즉 키보드, 코딩 도구, 운영체제에 내장된 어시스턴트 안에 이 모델을 하나의 레이어로 심어 넣었습니다. 전용 음성 AI 플랫폼들이 취해 온 전략과는 다른 접근입니다.

ElevenLabs(일레븐랩스)는 정반대 방식으로 사업을 키웠습니다. 트랜스크립션을 다른 앱에 묻어 들어가는 배경 유틸리티가 아니라, 여러 기능 중 하나로 내세우는 플랫폼입니다. 자체 음성 인식 모델인 Scribe는 텍스트 음성 변환, 음성 복제, 더빙까지 다루는 워크스페이스 안에 자리하고 있으며, 오디오 제작만을 위해 만들어진 도구 하나를 원하는 사람들을 겨냥합니다. 음성 에이전트를 직접 짜는 개발자와, API를 배울 필요 없이 완성된 인터페이스만 원하는 영상 편집자는 필요한 것 자체가 다릅니다.

Gemini 3.5 Transcribe가 바꾸는 것은 기준선입니다. 이 정도로 정확한 모델이 키보드 앱 안에 무료로 들어오면, 그럴듯한 트랜스크립션은 더 이상 크리에이터가 기본값으로 별도 구독료를 내야 하는 대상이 아니게 됩니다. 같은 예산을 놓고 경쟁하는 플랫폼들은 정확도 말고 더 분명한 이유를 내놓아야 합니다. 구글은 이번 분기 들어 Gemini 관련 기능을 빠르게 밀어붙이고 있습니다. AI 생성물 워터마크 토글에 이어 이번 트랜스크립션 출시까지, 패턴은 똑같습니다. 기능을 독립된 제품으로 팔지 않고 인프라로 심어 넣는 방식입니다. AI 뉴스 피드에서 이 흐름을 계속 지켜볼 만합니다.

자주 묻는 질문

---

출처

1. Google: Gemini 3.5 Transcribe - Google, 2026년 8월 26일
2. 9to5Google: Gemini 3.5 Transcribe - 9to5Google, 2026년 8월 26일
3. Business Today: Google launches Gemini 3.5 Transcribe with smarter speech-to-text and 85 language support - Business Today, 2026년 8월 27일
4. Google AI for Developers: Transcribe audio - Google AI Documentation