구글이 받아쓰기 전용 모델 제미나이 3.5 트랜스크라이브를 공개했다. 현지 시각 8월 26일 구글 블로그의 발표다. 배경 소음과 전문 용어에 약하고 군말을 걸러내지 못하던 기존 음성 인식 방식과 달리, 원본 음성을 바로 정돈된 문장으로 바꾼다는 것이 구글의 설명이다.

“화요일에 만나자, 아니 수요일”처럼 말하는 도중 스스로 고친 부분을 알아서 정리하고, “음”이나 “어” 같은 군말을 지우며, 문단과 문장 부호도 스스로 넣는다. 이용자가 미리 등록해 둔 단어 목록을 참고해 회사 내부에서만 쓰는 용어나 특이한 철자도 인식한다.

정확도는 아티피셜 애널리시스 측정 기준으로 단어 오류율이 실시간 처리 4.0%, 녹음 파일 처리 2.6%다. 단어 오류율은 받아쓴 결과에서 잘못 적히거나 빠지거나 더 들어간 단어의 비율을 말한다. 여러 언어를 섞어 측정하는 FLEURS 벤치마크에서는 실시간 5.50%, 녹음 파일 5.04%를 기록했다. 벤치마크는 같은 조건에서 여러 모델의 성능을 비교하려고 만든 표준 시험을 말한다. 이전 모델 커프 3과 비교하면 최종 결과가 나오기까지 걸리는 시간이 70% 줄었다.

85개가 넘는 언어를 자동으로 구분하며 지역별 억양과 방언도 처리한다. 녹음 파일에서는 화자를 최대 3명까지 구분해 시간 표시와 함께 적어 준다. 3명을 넘는 경우는 아직 실험 단계다.

함수 호출도 지원한다. 이미지를 만들거나 파일을 분석하는 것처럼 무거운 작업은 다른 제미나이 모델에 넘긴다. 함수 호출은 모델이 직접 처리하지 않고 외부 도구나 다른 모델을 불러 쓰는 방식을 말하며, 현재는 맥OS용 제미나이 앱에서 쓸 수 있다.

개발자용으로는 두 가지 창구를 마련했다. 실시간 스트리밍은 라이브 API에서 gemini-3.5-transcribe-live로, 녹음 파일 처리는 인터랙션 API에서 gemini-3.5-transcribe로 접근한다. 일반 이용자는 안드로이드 지보드의 램블러 기능과 맥OS용 제미나이 앱에서 쓸 수 있고, 크롬에도 곧 들어간다. 크롬에 적용되면 웹의 어떤 입력창에서도 말로 입력할 수 있게 된다.

자세한 내용은 구글에서 확인할 수 있다.

이미지 출처: 구글