Gemini 3.5 Transcribe: 실시간 전사와 파일 처리의 선택 기준

음성 인식은 이제 발화를 그대로 받아쓰는 데 그치지 않는다. 추임새나 말하다 고친 내용을 정리하고, 전문용어 사전과 자동 서식을 활용해 읽기 쉬운 결과를 만드는 방향으로 발전하고 있다.

Google AI가 2026년 8월 26일 공개한 Gemini 3.5 Transcribe는 이러한 기능을 스트리밍과 사전 녹음 파일 처리라는 두 가지 방식으로 제공한다. 85개가 넘는 언어를 처리하며, 두 모델 모두 Gemini Enterprise Agent Platform에서 프리뷰로 제공된다.¹²

두 모델은 속도와 정보량이 다르다

실시간 모델 gemini-3.5-transcribe-live-preview는 오디오 조각을 전송하는 동안 중간 결과와 최종 전사 결과를 점진적으로 반환한다. 1초 미만의 빠른 전사가 필요한 실시간 자막이나 음성 에이전트에 적합하다. 다만 화자 분리와 단어별 타임스탬프는 지원하지 않으며, 한 세션의 최대 오디오 길이는 10분이다.²

사전 녹음 파일 처리 모델 gemini-3.5-transcribe-preview는 최대 15분의 오디오를 처리한다. 화자 분리와 단어별 타임스탬프를 지원하므로 회의록이나 통화 분석처럼 누가 언제 말했는지가 중요한 작업에 유리하다. 비용도 스트리밍 방식의 절반이다.¹²

따라서 선택 기준은 명확하다.

• 빠른 응답이 중요하다면: 스트리밍 모델

• 화자와 발화 시점이 중요하다면: 사전 녹음 파일 처리 모델

• 비용이 우선이라면: 사전 녹음 파일 처리 모델

• 10분 또는 15분을 넘는 오디오라면: 처리 단위를 나누는 설계 필요

오류율은 출발점일 뿐이다

Google AI가 보고한 평균 단어 오류율(WER)은 스트리밍 4.0%, 비스트리밍 2.6%다. WER은 기준 문장과 비교해 잘못 인식하거나 빠뜨린 단어의 비율로, 낮을수록 정확도가 높다는 뜻이다.¹

그러나 이 수치가 모든 사용 환경의 성능을 보장하지는 않는다. 실제 결과는 배경 소음, 억양, 마이크 상태, 전문용어, 평가 데이터에 따라 달라질 수 있다. 단어별 타임스탬프를 사용하면 정확도가 낮아질 수 있다는 문서상 제한도 고려해야 한다.²

도입 전에는 평균 WER만 비교하기보다 실제 서비스 환경에서 수집한 오디오로 다음 항목을 확인하는 편이 실용적이다.

• 자주 사용하는 전문용어의 인식률

• 소음과 여러 화자가 섞인 상황의 정확도

• 스트리밍 응답 속도와 결과 확정 시점

• 화자 분리와 타임스탬프의 품질

• 문장을 정리하는 과정에서 원래 발화가 달라지는지 여부

다국어 지원과 기록 보존도 확인해야 한다

Gemini 3.5 Transcribe의 언어 자동 감지는 한 세션 안에서 여러 언어가 섞이는 코드 믹싱을 지원한다. 한국어 ko-KR도 지원 상태로 분류돼 있어 한국어 서비스나 다국어 회의에 적용할 수 있다.²

다만 추임새와 수정 발화를 정리해 문장을 매끄럽게 만드는 기능은 원래 발화를 일부 바꿀 수 있다. 일반 메모에는 유용하지만, 발언 원문이 중요한 법률·의료 기록에서는 원본 오디오를 보관하고 전사 결과를 별도로 검증해야 한다.

요약: Gemini 3.5 Transcribe를 선택할 때는 낮은 오류율만 볼 것이 아니라 속도, 화자 분리, 타임스탬프, 비용과 처리 길이를 함께 비교해야 한다. 실시간 반응이 필요하면 스트리밍을, 화자와 시점 정보가 필요하면 사전 녹음 파일 처리를 선택하고, 도입 전에는 실제 소음과 전문용어가 포함된 자체 데이터로 검증하는 것이 가장 현실적이다.

¹Intelligent transcription with Gemini 3.5 Transcribe

²Gemini 3.5 Transcribe