구글이 음성-음성 실시간 번역 AI 모델 'Gemini 3.5 Live Translate'를 9일 공개했다. 70개 이상의 언어를 자동 감지하면서 번역자의 억양·음속·음높이를 그대로 보존하는 것이 특징이다.

Gemini 3.5 Live Translate는 스트리밍되는 음성을 실시간 처리하는 '네이티브 오디오' 모델이다. 기존 음성 번역처럼 발화자가 말을 끝내기를 기다린 뒤 응답하는 방식과 달리, 지속적으로 음성을 생성하되 맥락을 충분히 수집하는 것과 즉시 번역 간의 균형을 자동으로 조절한다. 결과는 어색한 침묵 없이 발화자보다 단 수 초 뒤에서 자연스러운 번역 음성이 나온다.

구글은 즉시 다층적 출시를 개시했다. 개발자 대상으로는 공개 프리뷰 'Gemini Live API'와 'Google AI Studio'를 통해 API 접근을 제공한다. 기업 고객 대상으로는 'Google Meet' 내 비공개 프리뷰를 이달부터 시작하고, 일반 사용자는 안드로이드·iOS용 '구글 번역' 앱에서 즉시 이용 가능하다.

Google Meet 통합은 혁신적 변화를 가져온다. 기존 Meet의 음성 번역은 5개 언어만 지원했고 영어 기준의 편역만 가능했다. 3.5 Live Translate는 70개 이상 언어를 지원하며, 한 회의 내에서 2,000개 이상의 언어 조합 번역을 동시에 처리할 수 있다. 인터페이스도 개선돼 음성 번역 기능에 즉시 접근할 수 있다. 비공개 프리뷰는 이달부터 선정된 Google Workspace 비즈니스 고객에게 제공되고, 올해 하반기 전체 사용자로 확대될 예정이다.

구글 번역 앱의 신규 '청취 모드'(Android 우선)는 이어폰 없이도 헤드폰을 귀에 대면 번역 음성이 직접 흘러나오는 방식이다. 타인에게 번역 내용이 노출되지 않으면서도 현지 가이드의 음성을 즉시 번역받을 수 있다.

라이드셰어링 플랫폼 Grab은 이미 3.5 Live Translate를 테스트 중이다. 기사와 승객 간 픽업 단계의 다국어 소통을 거의 실시간으로 가능하게 하기 위함이다. Grab은 월 1천만 건 이상의 음성 통화를 처리하는 만큼, 번역 지연과 부자연스러움은 서비스 경험에 직결된다. Grab을 포함해 CJ ENM, LiveKit 등 초기 파트너사들은 "높은 번역 정확도와 저지연(low latency)"을 강조했다.

또한 Agora·Fishjam·LiveKit·Pipecat·Vision Agents 같은 개발자 플랫폼들은 이미 Gemini Live API 통합을 준비하고 있다. 이들 플랫폼은 복잡한 실시간 미디어 스트리밍 인프라를 자동 처리해주므로, 개발자는 사용자 경험 설계에만 집중할 수 있다.

구글은 Gemini 모델이 생성한 모든 오디오에 'SynthID' 워터마크를 삽입한다. 인간의 귀로는 감지 불가능한 이 워터마크는 AI 생성 콘텐츠를 식별 가능하게 함으로써 오정보 확산을 방지하는 역할을 한다.

구글이 20년 전 기계 번역으로 시작한 여정은 월 10억 명 이상이 월 1조 단어를 번역받는 수준으로 성장했다. Gemini 3.5 Live Translate의 등장은 다음 진화 단계를 표시한다. 기업의 다국어 회의, 현장 지원(field service), 국제 이벤트 생중계 같은 실시간 커뮤니케이션 영역이 언어 장벽 없이 즉시 이루어질 수 있는 길을 연다. 동시에 저지연과 자연스러운 음성이 보장되면서 기존의 "번역 → 대기 → 응답" 사이클에서 벗어나 실제 대화 흐름을 되찾을 수 있다는 점에서 의미가 크다.