외부에서 아직 Gemini 3.5 Pro 출시를 기다리고 있는 가운데, Google이 먼저 3.5 시리즈의 또 다른 모델을 선보였다. Google은 오늘 Gemini 3.5 Transcribe 음성 텍스트 변환 모델을 출시했다. 이 모델은 음성 입력 경험을 개선하기 위한 AI 모델로, 음성에 포함된 ‘음’, ‘어’ 같은 말버릇과 말을 잘못한 뒤 스스로 수정한 내용을 자동으로 삭제해 더욱 매끄럽고 깔끔한 텍스트를 생성한다.
이 모델은 현재 Pixel 11의 Gboard 키보드 ‘Rambler’ 기능을 지원하며, 앞으로 Google의 더 많은 제품과 서비스에 순차적으로 적용될 예정이다.
Google에 따르면 기존에 Chirp 3라는 이름으로 불리던 음성 텍스트 변환 엔진과 비교해 Gemini 3.5 Transcribe는 속도와 정확도가 모두 향상됐다. 사용자가 말을 시작한 뒤 최종 전사 텍스트가 생성되기까지 걸리는 전체 시간이 약 70% 단축될 것으로 예상되며, 실시간 음성 환경에서 오류율은 5.5%까지 낮아졌다.
다만 정확도 향상 폭이 특별히 큰 수준은 아니다. Google의 데이터에 따르면 Chirp 3의 오류율은 7.32%였다. 그러나 음성 입력을 자주 사용하는 사용자에게는 오타를 몇 개만 줄여도 이후 직접 수정해야 할 내용이 줄어들기 때문에 여전히 실용적인 개선이라고 할 수 있다.
Gemini 3.5 Transcribe의 기능은 사용자가 무엇을 말했는지 ‘정확히 듣는 것’에 그치지 않고, 사용자가 실제로 표현하려는 의미까지 이해하려고 한다. 말하는 과정에서 모델은 문장의 흐름을 방해하는 ‘음’, ‘어’ 같은 말버릇을 자동으로 삭제할 수 있다. 사용자가 말을 잘못한 뒤 곧바로 수정하면 이미 생성된 텍스트도 실시간으로 조정한다. 또한 사용자는 사용자 지정 어휘집을 제공해 모델이 전문 용어와 특정 분야의 어휘를 더 잘 인식하도록 할 수 있다.
이 모델은 현재 85개 언어를 지원하며, 최대 3명의 화자가 포함된 사전 녹음 오디오를 처리할 수 있다.
물론 이 기능에는 한 가지 분명한 문제가 있다. 사용자는 AI가 자신이 실제로 표현하려는 내용을 정확하게 이해할 수 있다고 믿어야 한다. 적어도 짧은 텍스트에서는 Rambler 기능을 실제로 사용해 본 결과, 모델이 앞뒤가 맞지 않는 표현과 말할 때의 더듬거림을 비교적 잘 정리해 텍스트를 더욱 자연스럽게 만드는 것으로 나타났다.
하지만 동시에 Gemini 3.5 Transcribe는 단순히 음성을 문자로 변환하는 기능만 제공하지 않는다. AI가 내용을 정리하는 과정에서 사용자가 원래 사용한 표현을 바꿀 수도 있다. 따라서 원문을 엄격하게 보존해야 하고 표현을 임의로 수정해서는 안 되는 상황에서는 이러한 ‘지능형 다듬기’가 적합하지 않을 수 있다.