Google Deep Mind독점

Gemini 3.5 Live Translate

Name: Gemini 3.5 Live Translate
Author: Google Deep Mind

이 모델 비교

Google DeepMind가 개발한 최신 멀티모달 모델. 텍스트, 이미지, 영상을 통합적으로 처리하며 실시간 번역 기능을 제공합니다.

공유:X Hatena LINE

파라미터

Undisclosed

컨텍스트

라이선스

Proprietary

출시일

2026-06-09

일본어 처리 능력

✅High-Quality JP

Multilingual model with strong Japanese language processing capabilities.

API 가격

입력 가격 (1M 토큰당)

$3.5

출력 가격 (1M 토큰당)

과금 모드: standard

강점

약점

활용 사례

심층 분석

지원 언어 수

70 이상

자동 검출；1세션에서 2,000 이상 쌍 조합

초음성 지연

약 2.9초

중앙값 2,947ms（LiveLingo 벤치마크, p10-p90: 2,859-3,104ms）

이해 점수

4.93 / 5

대상 시스템 중 1위（LiveLingo 2026 벤치마크, 120발화）

실효 비용

약 $0.037/분

입력 $3.50/100만 토큰, 출력 $21.00/100만 토큰

입력 컨텍스트

128K 토큰

음성 컨텍스트 창；출력 한도 64K 토큰

기반 아키텍처

Gemini 3 Pro

네이티브 음성 대 음성 모델, STT→MT→TTS 연쇄 아님

강점

・네이티브 음성 대 음성 구조가 가장 자연스러운 번역 음성을 내며 화자의 억양·속도·피치를 보존
・모든 실시간 번역 시스템 중 최광 배포: Google 번역·Google Meet·Gemini Live API에 동시 전개
・연속 스트리밍 번역（약 3초 지연）으로 턴별 정지가 아닌 진짜 대화의 흐름을 실현

약점

・음성만 출력이라 스트리밍 문자 모드가 없고 화자별 귀속도 없으며 발화 도중 편집·수정도 불가
・Google 자체 모델 카드가 인정한 음성 불일치: 멀티파티에서 성별이 바뀌거나 멈추거나 새어나감
・코드 스위치 음성의 구조적 맹점: 소스가 대상 언어로 바뀌면 내용이 조용히 사라짐（벤치마크서 약 28% 손실）

경쟁사 비교

Model	Arena	SWE	GPQA	Price
OpenAI gpt-realtime-translate	N/A	N/A	N/A	약 $0.06/분（추정）
Google Cloud STT v2 + Translate v3	N/A	N/A	N/A	서비스별
Azure Speech Translation	N/A	N/A	N/A	티어별

개요

Gemini 3.5 Live Translate는 2026년 6월 9일 발표된 Google DeepMind의 전용 음성 대 음성 번역 모델로 Gemini 3 Pro 아키텍처를 기반으로 한다. 기존 연쇄 파이프라인（음성 인식→기계 번역→음성 합성）과 달리 음성을 네이티브하게 처리해 16kHz PCM 청크를 받고 24kHz 번역 음성을 거의 실시간으로 출력한다. 70 이상 언어를 자동 검출하고 화자 음질을 보존해 일반 TTS가 번역을 읽어내는 것보다 훨씬 자연스러운 음성이 된다. Google 번역（소비자）·Google Meet（기업）·Gemini Live API（개발자）에 동시 전개되어 라이브 번역 분야에서 비할 데 없는 배포 우위를 가진다. 모델은 번역을 전달하는 방식의 근본적 전환을 뜻한다. 기존 제품에 얹은 기능이 아니라 대화·회의·앱 내부에 앉는 환경 능력으로 위치한다. Grab（월 1,000만 이상 음성 통화）·Agora·LiveKit·Pipecat와의 연동은 장기 비전이 내장 번역 기반임을 시사한다. 번역 1분 약 $0.037로 고가치 업무에 실용적이며 Google AI Studio 무료 티어로도 개발자가 쓸 수 있다. 단 모델 카드는 한계를 솔직히 인정한다. 음성 불일치는 멀티화자에서 악화되고 억양이나 유사 언어쌍에서 언어 검출이 고전하며, 비가역 음성 커밋 탓에 늦게 풀리는 통사（중국어·일본어 다름）가 사실 반전을 낳는다. 스트리밍 문자 출력·화자별 귀속·발화 도중 수정이 없어 전사나 요약, 컴플라이언스가 요구하는 편집 가능 출력에는 부적합하다. 유창한 대화 번역에 최적화된 모델이지 전사·요약·편집 가능 출력이 아니다.

벤치마크 및 성능

Gemini 3.5 Live Translate는 Google DeepMind가 3축（번역 품질=AutoMQM 오차 지표, 지연=초기·단어급, 음성 자연스러움）으로 평가했다. Google은 외부 벤치마크 수치를 공개하지 않아 비교 가능한 공개 데이터는 독립 테스트뿐이다. LiveLingo 2026 벤치마크（120발화, 4언어쌍 en→es·en→zh-CN·en→ja·en→de, GPT-4o＋Gemini 2.5 Flash 심판）의 독립 비교가 가장 포괄적: | 시스템 | 이해（0-5） | 발화말→번역 도착 | 초출 속도 | 출력 표면 | |---|---|---|---|---| | LiveLingo | 4.96 | 1,518ms | — | 스트리밍 문자+음성 | | **Gemini 3.5 Live Translate** | **4.93** | **약 3,100ms（13.9s까지 표류）** | **2,947ms** | **음성（문자 사이드카）** | | Google Cloud STT v2 + Translate v3 | 4.77 | 약 26,736ms | — | 전사 | | Azure Speech Translation | 4.65 | 약 4,755ms | — | 전사 | | Whisper + GPT-4o-mini | 4.63 | 2,720ms | — | 전사 | | OpenAI gpt-realtime-translate | 4.53 | 약 3,800ms（20.3s까지 표류） | 711ms | 음성+전사 | *출처: livelingo.io/research/benchmark-2026 — LiveLingo Research 독립 벤치마크. 동사는 경쟁 제품으로 재무적 이해관계 보유.* **성능 관찰:** - 스트리밍 번역 중 최고 이해 점수（4.93/5）, 근소하게 LiveLingo 문자+음성 파이프라인（4.96）에 뒤짐. - 일관된 초음성 지연 약 2.9초（p10-p90: 2,859-3,104ms）. - 코드 스위치 실패: 86초에 영어로 바뀌는 중국어 클립에서 출력이 완전 정지해 최종 약 28%를 조용히 떨어뜨림. - 늦게 풀리는 통사의 사실 반전: 매출 15% 증가라는 중국어 문이 '15% 늘릴 목표'로 역전됨.

상세 비교

**Gemini 3.5 Live Translate vs OpenAI gpt-realtime-translate** 둘 다 같은 시기 음성 대 음성 스트리밍 번역 모델. Gemini는 이해가 높고（4.93 대 4.53） 지연이 일관（약 2.9s 대 3.8s에서 20.3s까지 표류）. OpenAI는 음성과 전사를 모두 출력, Gemini 번역 모드는 음성만에 문자는 사이드카. 둘 다 소스가 대상 언어로 바뀌는 코드 스위치에서 같은 침묵 행동. Gemini 가격은 $3.50/$21.00 per 1M（약 $0.037/분）；OpenAI는 벤치 시 비교 불가. Gemini는 Google 번역·Meet로 배포 우위, OpenAI는 API 선행. **vs Apple Live Translation（AirPods）** Apple은 단말 중심·비밀 중심: 모델을 iPhone에 내려 받아 온디바이스 처리로 대화 데이터를 국소에 둔다. 약 20언어 대 Gemini의 70 이상, 음성 모델링은 제한적. Gemini는 클라우드 접속 필요（5G/Wi-Fi）；Apple은 다운로드 후 오프라인 가능. 철학 차: Apple은 비밀과 하드 통합, Google은 언어 규모와 배포폭. Apple 기기 가벼운 여행 번역은 AirPods 통합이 마찰 없음. 다언어 회의나 개발자에겐 Gemini API·Meet 통합이 무비. **vs Microsoft Teams Interpreter** Microsoft는 M365 Copilot용 Teams 내장, 실시간 음성 대 음성, Copilot 라이선스에 인월 20시간 포함. Gemini의 70 이상보다 작은 출력 언어. Microsoft 우위는 M365 내 네이티브 회의 통합. Google 우위는 크로스플랫폼 배포（아무 전화의 Translate 앱, 아무 개발자의 API, Workspace의 Meet）. M365 기존 조직은 Teams가 영설정. 여러 플랫폼이나 API 필요 시 Gemini가 유연. **vs 기존 연쇄 파이프라인（STT+MT+TTS）** Whisper+GPT-4o-mini+TTS는 이해 4.63/5, 지연 2,720ms로 속도 경합이나 품질에서 의미있게 낮음. 연쇄는 각 성분 교체 가능, 전사가 자연, 합성 전 편집 가능. Gemini 단일 모델은 통합을 단순화（3 대신 1 호출）하고 자연 음성을 내나 편집성을 잃고 늦게 풀리는 통사에서 비가역 오류를 낳음.

커뮤니티 평가

개발자·커뮤니티 반응은 혼재: 음성 품질에 감탄하고 구조적 제약에 짜증. **호평**은 자연스러운 음성 출력에 집중. 운율 보존은 로봇 TTS 읽기에서의 의미 있는 단차로 인정됐다. Grab 공개 테스트 제휴（월 1,000만 이상 통화）와 Agora·LiveKit·Pipecat 등과 통합은 강한 기반급 채택을 보인다. **비판**은 몇 가지: - 발화 검출 실패: 여러 개발자가 문말 검출이 불안정해 번역이 이어지거나 끊긴다고 보고. Reddit에선 '문말 태그가 없어 말을 끝내도 다음에 말할 때까지 끝나지 않는다' 지적. - 정확도 우려: 표준 Google 번역과 A/B한 초기 테스터가 간단한 문에서 악화 발견（스페인어로 '호텔 예약과 항공편을 챙길래?'가 '어부와 싸움을 챙길래?'로）. - 다인 설정의 사회적 마찰: LinkedIn 리뷰는 '같은 도구를 모두가 쓸 때 최선'이며 다인 대화는 '진보의 변두리'라고. - API 제약: 번역 모드의 문자 입력·도구·시스템 지시 결여가 전 Gemini Live API를 기대한 개발자를 짜증나게 했다. 15분 음성 세션 상한（연장 가능）도 긴 회의에서 제한으로 여겨짐. - 데스크톱 격차: 전화 선행 소비자 경로와 Meet만 기업 경로라 Zoom·Teams 노트북 이용자에 큰 틈.

활용 사례

**1. 국제 여행과 대면 대화** 가장 자연한 적성. 사르데냐에서 해산물 주인과 흥정, 일본 역 안내, 피렌체서 음식 알레르기 설명. Android 새 리스닝 모드（전화를 귀에 대고 이어피스로 번역）가 마찰을 없앤다. 최적: 어조가 중요하고 오역이 회복 가능한 가벼운 대화. 대안보다 고를 때: 가장 자연스러운 음성 출력을 원하고 Google 환경에 있을 때. 피할: 의료·법적 등 오역이 실해 높은 고위험. **2. 다언어 고객 지원 통화** 영어만 하는 에이전트가 70 이상 언어를 라이브 음성 번역으로 대응. 약 $0.037/분에 10분 통화 약 $0.37, 규모로 실용적. Grab은 월 1,000만 이상 통화로 시험 중. 최적: 구조가 예측 가능한 짧은 실용 대화（수령 조정·주문·계정 문의）. 대안보다 고를 때: 음성 대 음성으로 텍스트 지원이 아니라 양이 API 통합을 정당화할 때. 피할: 청구 분쟁·법적 승격·의료 문의서 인간 양어권 에이전트나 리뷰 필요 시. **3. Google Meet 기업 회의** Meet를 5언어에서 70 이상으로, 세션 내 2,000 이상 조합. 일본 기술자는 일본어, 브라질 영업은 포르투갈어로 따라잡는다. 최적: 참여자가 AI 번역에 익숙하고 오역 리스크가 중등인 사내 회의. 대안보다 고를 때: Workspace 네이티브로 가장 쉬운 배포. 피할: 고객 교섭·이사회·전사 필수 세션（화자별 귀속도 스트리밍 문자도 없음）. **4. 수직 앱으로의 개발자 내장 번역** Gemini Live API로 배차·접객 콘시어지·원격 진료 접수·온라인 학습·게임 음성 채팅·라이브 더빙에 번역 내장. API 모델（gemini-3-5-live-translate-preview）은 음성 흐름을 받고 언어 검출을 자동. 최적: 번역이 큰 워크플로의 구성 요소이고 음성만 출력으로 족한 응용. 대안보다 고를 때: STT→MT→TTS를 1 호출로 묶는 게 세밀한 제어보다 중요하고 자연 음성이 차별화일 때. 피할: 편집 가능 문자 출력·화자 구분·Google 도구 호출 통합（번역 모드 미지원）이 필요한 응용.