Gemini 3.5 Transcribe는 실시간 음성 대화와 녹음 파일 전사를 위한 Google의 음성-텍스트(STT) 모델이다. 배경 소음, 전문 용어, 말더듬과 군더더기를 단순 받아쓰기보다 잘 다루며, 음성 에이전트·자막·회의 분석 파이프라인에 맞춰 스트리밍과 비동기 처리를 분리한다.
두 API를 구분한다
| 작업 | 모델 | 인터페이스 | 결과 |
|---|---|---|---|
| 대화 중 즉시 전사 | gemini-3.5-transcribe-live | Live API | 양방향 스트리밍, 1초 미만 지연 목표 |
| 회의·통화 녹음 전사 | gemini-3.5-transcribe | Interactions API | 화자 구분과 단어 단위 타임스탬프 |
따라서 전화 상담 봇처럼 다음 발화를 빨리 판단해야 하는 서비스에는 Live API를, 회의록·콜센터 QA처럼 정확한 발화자와 구간이 필요한 서비스에는 Interactions API를 선택한다.
지능형 전사가 바꾸는 부분
일반 ASR은 들린 소리를 그대로 적는 데 집중한다. 이 모델은 문맥을 활용해 필러를 줄이고, 말실수나 반복을 읽기 좋은 문장으로 정리한다. 원문 보존이 중요한 법률·의료 기록에서는 이 정리가 오히려 위험할 수 있으므로, 정제본과 원시 전사본을 구분해 저장하고 실제 평가 음성으로 오류율을 확인해야 한다.
구현 시 체크리스트
- 실시간 UI에는 중간 전사와 확정 전사를 구분해 표시한다.
- 고유명사·제품명·혼합 언어가 많은 실제 오디오로 정확도를 평가한다.
- 화자 라벨, 타임스탬프, 정제 규칙을 후속 요약·검색의 메타데이터로 보존한다.
- 음성 데이터의 보관·전송·동의 정책을 먼저 확인한다.
관련 문서
- gemini — Google의 멀티모달 AI 모델 및 서비스 생태계
- gemini-3-1-flash-tts — 텍스트를 자연스러운 음성으로 생성하는 Gemini TTS
참고 자료
- Intelligent transcription with Gemini 3.5 Transcribe — Google Blog (2026-08-26)