← 전체 모델

Gemini 3.5 Transcribe Live

발표일 발표 기관 Googlegemini-3.5-transcribe-live

개요

Google의 저지연 실시간 음성 인식 모델이다. Gemini Live API와 WebSocket을 통해 오디오를 양방향 스트리밍하고 텍스트 전사 결과를 받는다. 대화형 음성 에이전트가 아니라 음성을 텍스트로 변환하는 전용 모델이다. (aistudio.google.com)

  • 출시일: 2026년 8월 26일. 공식 릴리스 노트에서 정식 출시(GA)를 발표했다. (aistudio.google.com)
  • 입출력: 실시간 오디오 입력과 텍스트 전사 출력. 공식 가이드는 16kHz 모노 16비트 PCM 입력을 안내한다. (aistudio.google.com)

기능과 용도

  • 발화 중 중간 전사와 발화가 끝난 뒤 확정 전사를 제공한다. 실시간 자막, 음성 받아쓰기와 저지연 음성 인터페이스에 활용할 수 있다.
  • 한국어를 포함한 85개 이상의 언어를 자동 감지하고 발화 중 언어 전환을 처리한다. 언어 힌트와 최대 1,000개 항목의 사용자 지정 어휘도 지원한다.
  • 기본 VERBATIM 모드는 발화의 군더더기를 보존한다. SMART 모드는 군더더기 제거, 말로 한 자기 수정 반영 및 텍스트 서식을 지원한다. 여러 음성 활동 감지(VAD) 방식도 사용할 수 있다. (aistudio.google.com)

제한

  • 실시간 스트리밍은 세션당 최대 10분이다. 실시간 버전은 화자 분리와 단어 단위 타임스탬프를 지원하지 않는다. 이 기능이 필요한 녹음 파일에는 별도 모델인 gemini-3.5-transcribe를 사용할 수 있다.
  • 사용자 지정 어휘는 최대 1,000개까지 가능하지만, Google은 일반적으로 최대 100개에서 최상의 결과를 얻는다고 안내한다.
  • 환각, 간헐적 지연 또는 시간 초과가 발생할 수 있으므로 중요한 전사 결과는 검토해야 한다. Google 검색 기반 그라운딩은 지원하지 않는다. (aistudio.google.com)

가격

Gemini Developer API 표준 요금, 미국 달러(USD), 조회일: 2026년 11월 16일. 다른 플랫폼의 요금과 동일하다고 가정해서는 안 된다. (aistudio.google.com)

  • 무료 티어: 입력 및 출력 무료. 공식 표에는 무료 티어의 데이터가 제품 개선에 사용될 수 있다고 표시되어 있다.
  • 유료 티어 오디오 입력: USD 3.50 / 100만 토큰.
  • 유료 티어 텍스트 출력: USD 21.00 / 100만 토큰, 사고 토큰 포함.
  • 공식 분당 추정치는 입력 USD 0.005 / 분, 출력 USD 0.004 / 분, 합계 약 USD 0.009 / 분이다. 이는 입력 오디오 초당 25토큰과 출력 텍스트 분당 175토큰을 가정한 추정치이며 실제 토큰 사용량에 따라 달라진다. 유료 티어 데이터는 제품 개선에 사용되지 않는다고 공식 표에 표시되어 있다. (aistudio.google.com)

공식 출처