AIREITER서로 언어가 통하지 않는 사람과 대화할 때, 말을 멈추고 휴대폰 번역 결과를 기다릴 필요가 없다면 어떨까요? Gemini 3.5 Live Translate는 화자의 말투와 속도를 살린 번역 음성을 몇 초 뒤 상대방에게 전달합니다. Google이 2026년 6월 9일 발표한 이 모델은 70개 이상의 언어를 실시간 음성으로 번역하는 오디오-투-오디오 모델입니다. 현재 Google Translate 앱, Google Meet, 개발자용 Gemini Live API에서 사용할 수 있습니다. 무료 티어도 제공하며, 유료 사용료는 오디오 분당 약 $0.037입니다. 기존의 ‘말하기, 기다리기, 듣기’ 방식과 달리 대화 흐름이 끊기지 않는 것이 핵심입니다.
Gemini 3.5 Live Translate는 무엇이 다른가
Google은 이를 기존 번역 도구의 ‘음성 인식→텍스트 번역→음성 합성’ 흐름이 아닌, 번역 음성을 바로 스트리밍하는 오디오-투-오디오 모델로 설명합니다. 예전 방식은 단계마다 지연이 쌓였지만, Gemini 3.5 Live Translate는 들어오는 오디오를 실시간으로 처리해 번역 음성을 계속 출력합니다. 문장을 완전히 끝낼 때까지 기다리는 대신, 화자보다 몇 초 정도 뒤따라가는 방식입니다.
일반적인 번역기와 구분되는 지점은 세 가지입니다. 먼저 언어를 자동 감지하므로, 사용자가 설정을 바꾸지 않아도 한 대화 안에서 70개 이상의 언어를 오갈 수 있습니다. 그룹 환경에서는 2,000개 이상의 언어 조합도 지원합니다. 번역 음성에는 화자의 억양, 속도, 음높이가 반영돼 기계적인 낭독보다 자연스럽게 들립니다. 생성되는 모든 오디오에는 AI 생성 미디어를 식별하는 Google의 SynthID 워터마크가 삽입됩니다. DeepMind 모델 카드에 따르면 Gemini 3 Pro 아키텍처를 기반으로 하며, 입력 컨텍스트 창은 131,072토큰입니다.
지금 사용할 수 있는 세 가지 경로
Gemini 3.5 Live Translate는 하나의 독립 제품이 아닙니다. 하나의 모델이 세 가지 서비스에 적용되어 있으며, 어디에서 쓰느냐에 따라 사용 방식도 달라집니다.
Google Translate 앱에서 쓰기
일상적인 대화에는 Android와 iOS용 Google Translate 앱이 적합합니다. 전 세계에 순차 배포 중이며, Live translate 모드를 열어 언어를 선택하거나 자동 감지에 맡긴 뒤 말하면 됩니다. Android에는 번역 결과를 휴대폰 수화부로 들려주는 새로운 듣기 모드도 있습니다. 휴대폰을 번갈아 건네는 대신 통역사 헤드셋을 쓴 듯한 1:1 대화에 조금 더 가까워집니다.
Google Meet에서 쓰기
Google Meet에서는 이 모델 기반의 음성 번역이 엔터프라이즈 고객 대상 비공개 프리뷰로 제공됩니다. 이전 Meet 번역은 약 5개 언어를 지원했지만, 새 버전은 한 회의에서 70개 이상의 언어와 2,000개 이상의 언어 쌍으로 범위를 넓혔습니다. 참가자들은 각자 자신의 언어로 대화를 들으면서도 회의를 계속 진행할 수 있습니다.
Gemini Live API로 연동하기
개발자에게는 Gemini Live API와 Google AI Studio에서 공개 프리뷰로 제공됩니다. 자체 앱, 콜센터, 스트리밍 제품에 번역 기능을 넣으려면 이 경로를 이용하면 됩니다. Google은 Agora, LiveKit, Fishjam, Pipecat, Vision Agents 등 실시간 오디오 플랫폼과의 통합을 이미 준비했으며, Grab은 월 1,000만 건 이상의 음성 통화를 처리하는 네트워크에서 운전자와 승객 간 통화에 이를 시험하고 있습니다.
Live API 호출 방법
모델 ID는 gemini-3.5-live-translate-preview입니다. Live API의 WebSocket에 직접 연결하거나 Python 및 JavaScript용 GenAI SDK를 통해 연결한 뒤, 양방향으로 오디오를 스트리밍합니다. 최소한의 Python 구성은 다음과 같습니다.
from google import genai
from google.genai import types
client = genai.Client()
config = types.LiveConnectConfig(
response_modalities=["AUDIO"],
translation_config=types.TranslationConfig(
target_language_code="es-US", # BCP-47 target
output_audio_transcription={}, # also return text
),
)
async with client.aio.live.connect(
model="gemini-3.5-live-translate-preview", config=config
) as session:
await session.send_realtime_input(audio=mic_chunk) # 16 kHz PCM, ~100 ms
async for msg in session.receive():
play(msg.data) # 24 kHz translated audio디버깅 전에 먼저 맞춰야 할 부분은 오디오 포맷입니다. 입력은 16kHz, 모노, 리틀엔디언 형식의 원시 16비트 PCM이고, 출력은 24kHz 모노 원시 16비트 PCM으로 반환됩니다. 마이크 오디오는 약 100ms 단위로 보내면 됩니다. 번역 동작은 translationConfig 블록에서 설정합니다(Google 문서의 전체 레퍼런스).
targetLanguageCode: 출력할 언어의 BCP-47 코드입니다(필수).echoTargetLanguage: 이미 대상 언어로 말한 오디오를 다시 출력할지 정합니다.inputAudioTranscription/outputAudioTranscription: 입력과 출력의 텍스트 전사본도 받으려면 활성화합니다.
이 모델은 번역에 특화되어 있어 일반 Gemini 기능 상당수는 사용할 수 없습니다. 함수 호출, 사고 기능, 구조화된 출력, 캐싱, 검색 그라운딩을 지원하지 않습니다. 오디오를 받아 번역 오디오와 선택적 전사본을 반환할 뿐입니다. 세션은 만료 시간이 30분인 임시 토큰을 사용하므로, 브라우저 클라이언트에 자격 증명을 넘기는 경우 특히 유의해야 합니다.
Gemini 3.5 Live Translate 가격
공개 프리뷰 기간에는 실질적인 무료 티어가 제공됩니다. 일반적인 프리뷰 요청 제한은 적용되지만, 입력과 출력 모두 무료이므로 도입 전에 전체 흐름을 프로토타이핑하기에 충분합니다.
유료 티어에서는 오디오 초당 25토큰 기준으로, 오디오 토큰 단위 과금이 적용됩니다.
| 모델 | 입력(100만 토큰당) | 출력(100만 토큰당) |
|---|---|---|
| Gemini 3.5 Live Translate | $3.50 (~$0.0053/분) | $21.00 (~$0.0315/분) |
| Gemini 3.1 Flash Live | $3.00 (~$0.005/분) | $12.00 (~$0.018/분) |
| Gemini 2.5 Flash Native Audio | $3.00 | $12.00 |
입출력을 합치면 Live Translate의 비용은 번역 오디오 분당 약 $0.037입니다. 이는 오디오 스트림별 요금이라는 점에 주의해야 합니다. 30분 양방향 대화에서는 들어오는 스트림과 나가는 스트림 모두에 과금되므로, 통화당 고정 요금으로 생각하기보다 대략 1~2달러 수준의 예산을 잡는 편이 맞습니다. 더 저렴한 Gemini 3.1 Flash Live도 있지만, 이 모델은 범용 실시간 오디오 모델입니다. Gemini 3.5 Live Translate처럼 억양 보존과 낮은 지연 시간 번역에 맞춰진 모델은 아닙니다. 가격 차이는 단순히 토큰이 아니라 번역 품질에 대한 비용입니다. 수치는 Google 개발자 가격 페이지를 기준으로 했으며, 2026년 7월 15일에 확인했습니다.
실사용 전에 확인할 한계
Google의 모델 카드는 이 부분을 꽤 솔직하게 다룹니다. 실제 도입 시 무시하기보다 사전에 대비해야 할 제약들입니다.
합성 음성이 일관되지 않을 수 있습니다. 긴 침묵 뒤에 음성이 달라지거나, 성별이 바뀌어 들리거나, 여러 사람이 빠르게 번갈아 말하는 상황에서는 하나의 음성에 고정될 수 있습니다. 따라서 빠르게 진행되는 4인 회의는 차분한 2인 대화보다 부담이 큽니다. 언어 감지도 약점입니다. 강한 비원어민 억양, 서로 유사한 언어, 문장 중간의 빠른 언어 전환에서 어려움을 겪을 수 있습니다. 배경 소음은 어느 정도 걸러내지만 완벽하지 않으며, 소음이 심하면 번역 오디오에 아티팩트가 생길 수 있습니다. 또한 현재 API 프리뷰는 오디오 입력만 받고 텍스트 입력 경로는 없습니다. 프리뷰 상태인 만큼 동작과 제공 범위도 바뀔 수 있습니다.
조용한 환경의 1:1 대화에서는 이런 문제가 치명적이지 않습니다. 다만 시끄러운 회의실이나 콜센터에 투입하기 전에는 반드시 테스트해야 할 항목입니다.
다른 선택지와 비교하면
어떤 방식을 선택할지 판단하려면 세 가지 질문이면 충분합니다.
- 일상적인 대면 대화이고, 두 사람 모두 휴대폰을 쓰나요? 설정이 필요 없는 무료 Google Translate 앱 버전이 가장 자연스러운 선택입니다.
- 여러 언어가 오가는 회의인가요? 조직에 프리뷰 접근 권한이 생긴 뒤에는 Google Meet의 엔터프라이즈 번역이 적합합니다.
- 자체 제품에 번역을 넣으려 하나요? 프로그래밍 방식으로 제어할 수 있는 선택지는 Live API뿐이며, 예산은 앞서 본 가격을 기준으로 잡으면 됩니다.
말하고, 신호음을 기다리고, 번역을 듣는 기존 턴 기반 방식과 비교하면 연속 처리 방식은 대화 흐름에서 분명한 차이를 만듭니다. 사람 통역사와 비교하면 수십 개 언어에서 즉시 사용할 수 있고 비용도 훨씬 낮습니다. 다만 뉘앙스, 관용 표현, 중요한 상황에서의 정확도는 여전히 전문 통역사가 앞섭니다. 앞서 살펴본 한계도 이를 분명히 보여줍니다.
제품에 통합한다면 음성 계층과 텍스트 계층의 비용이 별개라는 점도 기억해야 합니다. 번역은 Google의 Live API에서 처리하지만, 이후 요약이나 액션 아이템 추출은 별도로 선택한 텍스트 모델에서 실행됩니다. 이 경우 API 가격은 제공업체마다 큰 차이가 납니다.
함께 읽으면 좋은 글
- Google의 또 다른 실시간 멀티모달 모델은 Gemini Omni Flash 가격 및 API 가이드에서 확인할 수 있습니다.
- 실시간 음성 제공업체 간 분당 비용을 비교한다면 OpenAI Realtime API 가격도 참고해 보세요.
FAQ
Google Translate에서 실시간 번역은 어떻게 켜나요?
Android 또는 iOS에서 Google Translate 앱을 열고 Live 또는 대화 모드를 선택한 뒤, 두 언어를 지정하거나 앱의 자동 감지 기능을 사용하면 됩니다. Android에서는 듣기 모드를 켜면 수화부를 통해 번역 음성을 들을 수 있습니다.
Gemini 3.5 Live Translate는 몇 개 언어를 지원하나요?
70개 이상의 언어를 자동 감지하며, 그룹 환경에서는 하나의 대화 안에서 2,000개 이상의 언어 쌍을 처리할 수 있습니다.
Gemini 3.5 Live Translate는 무료인가요?
네. 입력과 출력 모두 무료 티어가 있습니다. Live API의 유료 사용료는 오디오 분당 약 $0.037이며, 입력 100만 토큰당 $3.50, 출력 100만 토큰당 $21.00입니다.
iPhone과 Android에서 모두 사용할 수 있나요?
네. Google Translate 앱 배포는 iOS와 Android를 모두 포함합니다. 다만 수화부로 번역을 듣는 듣기 모드는 출시 시점 기준 Android 기능입니다.
잘못된 언어를 감지하면 어떻게 되나요?
언어 감지가 자동으로 이뤄지기 때문에 강한 억양, 유사한 언어, 빠른 언어 전환이 있으면 대화 중간에 잘못 판단할 수 있습니다. 긴 침묵 뒤에는 번역 음성이 바뀌거나 성별이 달라질 수도 있습니다. 조용한 1:1 대화에서는 문제가 드물지만, 소음이 많거나 여러 사람이 빠르게 말하는 환경이라면 의존하기 전에 테스트해 보세요.
개인 대화에는 Translate 앱, 다국어 팀 회의에는 Meet, 직접 제어하는 소프트웨어 안에 번역을 넣어야 한다면 Live API를 선택하면 됩니다. 어떤 방식을 택하든 본격 도입 전에는 무료 티어로 먼저 프로토타입을 만들어 보세요.