← 전체 모델

Gemini 3.5 Transcribe

발표일 발표 기관 Googlegemini-3.5-transcribe

모델 개요

Gemini 3.5 Transcribe는 녹음된 음성을 텍스트로 변환하는 Google의 음성 인식 모델이다. 모델 ID gemini-3.5-transcribe는 비스트리밍 오디오 파일 처리에 사용된다. 실시간 양방향 스트리밍에는 별도 모델 gemini-3.5-transcribe-live와 Live API가 사용된다. (blog.google)

주요 능력과 용도

  • 85개 이상의 언어를 자동 감지하고, 발화 중 언어 전환과 사용자 지정 전문 용어를 처리한다.
  • 비스트리밍 오디오에서 화자 구분과 단어 수준 타임스탬프를 지원한다. 스마트 전사 기능은 말더듬이나 군더더기 표현을 정리하고 텍스트 서식을 지정한다.
  • 회의 녹음, 통화 기록, 사후 통화 분석과 음성 기반 인터페이스 등의 전사에 활용할 수 있다.
  • Google이 인용한 Artificial Analysis 평가에서 평균 단어 오류율(WER)은 비스트리밍 2.6%, 별도 Live 모델을 사용하는 스트리밍 4.0%였다. 실제 결과는 오디오와 사용 환경에 따라 달라질 수 있다. (blog.google)

제한사항

  • Gemini API 모델 문서에 따르면 비스트리밍 요청당 오디오는 최대 1시간이며, 화자 구분 또는 단어 수준 타임스탬프를 사용하면 최대 30분이다. 캐싱, Batch API 및 함수 호출은 해당 모델에서 지원되지 않는다. (ai.google.dev)
  • 모델 카드에 따르면 환각이 발생하거나 간헐적으로 지연 및 시간 초과가 발생할 수 있다. 중요한 전사 결과는 원본과 대조하는 것이 좋다. (deepmind.google)
  • 발표문은 다화자 전사에서 3명 이상의 화자 지원을 실험적 기능으로 설명한다. (blog.google)

가격

Gemini Developer API 표준 요금, gemini-3.5-transcribe 기준이며 통화는 미국 달러(USD)다. 2026-11-16 확인. (aistudio.google.com)

  • 유료 등급: 오디오 입력 100만 토큰당 USD 2.00, 텍스트 출력 100만 토큰당 USD 12.00.
  • 무료 등급: 입력과 출력 모두 무료로 표시되어 있다. 적용 한도와 이용 조건은 공식 문서를 확인해야 한다.
  • Google의 분당 추정치는 입력 USD 0.003, 출력 USD 0.002, 합계 약 USD 0.005다. 이는 입력 초당 25 오디오 토큰과 출력 분당 175 텍스트 토큰을 가정한 추정치이며 실제 토큰 사용량에 따른 요금과 다를 수 있다.
  • 위 가격은 별도 모델인 gemini-3.5-transcribe-live나 다른 플랫폼의 가격이 아니다.

출시일 및 공식 자료