당신은 자신의 언어를 공유하지 않는 사람과 대화 도중에 있으며, 둘 다 휴대폰이 처리되기를 기다리며 멈추는 대신, 번역이 몇 초 뒤에 그 사람의 귀에 전달되고, 당신의 말 빠르기와 어조를 유지하는 목소리로 들립니다. 이것이 Gemini 3.5 Live Translate가 하는 일입니다. Google이 2026년 6월 9일에 발표한 이 기능은 70개 이상의 언어에 걸친 실시간 음성 번역을 위한 Google의 audio-to-audio 모델입니다. 현재 이것은 세 곳에서 제공됩니다: Google Translate 앱, Google Meet, 그리고 개발자를 위한 Gemini Live API입니다. 무료 티어가 있으며, 유료 사용 요금은 오디오 1분당 약 $0.037입니다. 기존의 "말하고, 기다리고, 듣는" 번역 흐름을 사용해 본 적이 있다면, 여기서의 변화는 대화가 더 이상 멈출 필요가 없다는 점입니다.
Gemini 3.5 Live Translate가 실제로 무엇인지
Google는 이를, 기존 도구들의 전사 후 낭독 방식과 달리 번역된 음성을 직접 스트리밍하는 audio-to-audio 모델이라고 설명합니다. 기존 도구들은 사용자의 음성을 텍스트로 변환한 뒤, 그 텍스트를 번역하고, 다시 text-to-speech를 실행했으며, 단계가 하나씩 늘어날 때마다 지연이 생겼습니다. Gemini 3.5 Live Translate는 오디오를 스트리밍하는 동안 처리하고 번역된 오디오를 지속적으로 출력하여, 문장을 끝낼 때까지 기다리지 않고 사용자보다 몇 초 뒤에서 따라갑니다.
기본 번역기와 구분되는 세 가지가 있습니다. 이 기능은 말하는 언어를 자동으로 감지하므로, 하나의 대화에서 70개 이상의 언어로 이동할 수 있고, 그룹 환경에서는 누구도 설정을 바꾸지 않고 2,000개가 넘는 언어 조합을 사용할 수 있습니다. 또한 화자의 억양, 속도, 높낮이를 보존해 출력이 기계적인 읽기 결과가 아니라 사람처럼 들립니다. 그리고 생성되는 모든 오디오에는 Google의 AI 생성 미디어 표시 도구인 SynthID로 워터마크가 적용됩니다. DeepMind 모델 카드에 따르면, 이는 131,072 토큰 입력 창을 갖춘 Gemini 3 Pro 아키텍처를 기반으로 구축되었습니다.
지금 바로 사용할 수 있는 곳
Gemini 3.5 Live Translate는 하나의 단일 제품이 아닙니다. 이것은 세 가지 서로 다른 위치에서 제공되는 하나의 모델이며, 이를 "사용"하는 방법은 어떤 것을 의미하느냐에 따라 달라집니다.
Google 번역 앱에서
일상적인 사용을 위해, Android와 iOS의 Google Translate 앱에서 전 세계적으로 제공되고 있습니다. Live translate 모드를 열고 언어를 선택하거나 자동 감지하게 한 다음 말하면 됩니다. Android에서는 휴대폰의 이어피스를 통해 번역을 재생하는 새로운 듣기 모드가 있어, 1:1 대화가 휴대폰을 주고받는 것보다 통역사의 헤드셋을 착용한 듯한 느낌에 더 가깝습니다.
Google Meet에서
Google Meet 내에서 이 모델로 구동되는 음성 번역은 기업 고객을 대상으로 비공개 프리뷰로 제공됩니다. 이번 도약은 매우 큽니다. 이전 Meet의 번역은 대략 5개 언어를 지원했지만, 새 버전은 이를 한 번의 회의에서 70개 이상의 언어와 2,000개 이상의 언어 쌍으로 확장합니다. 각 참가자는 자신이 사용하는 언어로 대화를 듣고, 사람들은 계속해서 말할 수 있습니다.
Gemini Live API를 통해
개발자를 위해 이 모델은 Gemini Live API와 Google AI Studio에서 공개 미리보기로 제공됩니다. 이는 자체 앱, 콜센터, 또는 스트리밍 제품에 번역 기능을 구축하려는 경우의 경로입니다. Google은 이미 Agora, LiveKit, Fishjam, Pipecat, Vision Agents를 포함한 실시간 오디오 플랫폼과의 통합을 준비해 두었으며, Grab은 월 1천만 건 이상의 음성 통화를 처리하는 네트워크 전반에서 운전자-승객 통화를 위해 이를 테스트하고 있습니다.
Live API 호출
모델 ID는 gemini-3.5-live-translate-preview입니다. Live API의 WebSocket에 연결하여(직접 또는 Python과 JavaScript용 GenAI SDK를 통해) 양방향으로 오디오를 스트리밍합니다. 최소한의 Python 설정은 다음과 같습니다:
```python 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={}, # 또한 텍스트도 반환 ), )
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 번역된 오디오 ```
오디오 형식은 구체적이므로, 다른 무엇을 디버그하기 전에 올바르게 맞추는 것이 중요합니다. 입력은 raw 16-bit PCM, 16 kHz, mono, little-endian이며, 출력은 raw 16-bit PCM, 24 kHz, mono로 반환됩니다. 마이크 오디오는 대략 100 ms 단위로 보내세요. 번역 동작은 translationConfig 블록으로 설정합니다(Google 문서의 전체 참고 자료):
targetLanguageCode: 출력하려는 BCP-47 코드입니다(필수).echoTargetLanguage: 이미 대상 언어로 된 오디오를 반복할지 여부입니다.inputAudioTranscription/outputAudioTranscription: 입력된 내용과 출력된 내용의 텍스트 기록도 함께 받으려면 이를 켜세요.
이 모델은 번역 중심 모델이기 때문에 일반적인 Gemini 툴킷의 많은 기능이 꺼져 있습니다: 함수 호출 없음, 사고 없음, 구조화된 출력 없음, 캐싱 없음, 검색 기반 연결 없음. 오디오를 입력으로 받아 번역된 오디오(선택적으로 전사본도 함께)를 출력할 뿐, 그 외에는 아무것도 하지 않습니다. 세션은 30분 만료 기간이 있는 임시 토큰을 사용하며, 브라우저 클라이언트에 자격 증명을 전달하는 경우 이는 중요합니다.
Gemini 3.5 Live Translate 가격
공개 프리뷰 기간 동안에는 진정한 무료 티어가 제공됩니다: 입력과 출력은 무료이며(일반적인 프리뷰 속도 제한이 적용됨), 커밋하기 전에 전체 흐름을 프로토타입으로 구현하기에 충분합니다.
유료 등급에서는 청구가 오디오 1토큰당 이루어지며, 오디오 1초당 25토큰입니다:
| 모델 | 입력(1M 토큰당) | 출력(1M 토큰당) |
|---|---|---|
| Gemini 3.5 Live Translate | $3.50 (~$0.0053/min) | $21.00 (~$0.0315/min) |
| Gemini 3.1 Flash Live | $3.00 (~$0.005/min) | $12.00 (~$0.018/min) |
| Gemini 2.5 Flash Native Audio | $3.00 | $12.00 |
종합하면, Live Translate의 번역 오디오 비용은 대략 분당 $0.037입니다. 이는 오디오 스트림당이라는 점에 유의하세요. 30분 양방향 대화의 경우 들어오는 스트림과 나가는 스트림 모두에 요금이 부과되므로, 이를 호출당 고정 금액으로 보지 말고 대략 1~2달러 수준의 예산으로 잡아야 합니다. 더 저렴한 Gemini 3.1 Flash Live 모델도 있지만, 이 모델은 일반적인 실시간 오디오 모델일 뿐, 이 제품이 위해 설계된 억양 보존형 저지연 번역에 맞춰 튜닝된 것은 아닙니다. 가격 차이는 단순한 토큰이 아니라 번역 품질을 제공합니다. 수치는 Google's developer pricing page에서 가져왔으며, 2026년 7월 15일에 확인했습니다.
의존하기 전에 알아둘 만한 한계
Google의 자체 모델 카드는 여기서 드물게 솔직하며, 이 내용은 무시하기보다는 그에 맞춰 계획을 세울 정도로 충분히 현실적입니다.
합성된 음성은 일관성이 없을 수 있습니다. 긴 침묵 뒤에 음성이 바뀌거나, 겉보기 성별이 달라지거나, 여러 화자가 빠르게 오가는 상황에서 한 목소리에 고정될 수 있으므로, 차분한 두 사람의 대화보다 빠른 네 사람 회의에서 더 큰 부담이 됩니다. 언어 감지는 또 다른 취약점입니다. 강한 비원어민 억양, 서로 매우 가까운 언어, 문장 중간에서의 빠른 언어 전환을 잘 처리하지 못합니다. 배경 소음은 필터링되지만 완벽하지는 않으며, 심한 소음은 번역된 오디오에 아티팩트를 유발할 수 있습니다. 마지막으로, 현재 API preview는 오디오 입력만 허용하고 text-in 경로는 제공하지 않으며, 전체 기능이 preview 상태이기 때문에 동작과 제공 여부는 앞으로도 바뀔 수 있습니다.
이들 중 어느 것도 조용한 일대일 대화에서는 치명적인 문제는 아닙니다. 하지만 시끄러운 회의실이나 콜센터에 배치하기 전에 테스트해야 할 사항들입니다.
다른 옵션들과 비교했을 때 어떤지
무엇을 선택할지 고민하고 있다면, 세 가지 질문으로 정리할 수 있습니다:
- 일상적인 대면 상황에서 두 사람 모두 휴대전화를 사용하나요? Google Translate 앱 버전은 무료이며 설정이 필요 없습니다. 가장 분명한 선택입니다.
- 다국어 회의인가요? 조직이 미리보기에 접근할 수 있게 되면 Google Meet의 기업용 번역이 선택할 수 있는 방법입니다.
- 자체 제품에 번역 기능을 구축하시나요? Live API는 프로그래밍 방식의 제어를 제공하는 유일한 옵션이며, 위의 가격은 예산을 책정할 때 기준이 됩니다.
기존의 순차식 방식(말하고, 신호음을 기다리고, 듣는 방식)과 비교하면, 연속형 모델은 대화 흐름에서 진정한 도약입니다. 사람 통역사와 비교하면 훨씬 저렴하고 수십 개 언어로 즉시 이용할 수 있지만, 전문 통역사는 뉘앙스, 관용 표현, 그리고 높은 정확성이 요구되는 상황에서 여전히 더 뛰어나며, 위에서 언급한 한계가 이를 분명히 보여줍니다.
이것을 제품에 통합하고 있다면, 음성 계층과 텍스트 계층은 별도의 요금이 부과된다는 점을 기억하세요: 번역은 Google의 Live API에서 제공되며, 그 이후의 요약이나 액션 아이템 추출은 사용자가 별도로 선택한 텍스트 모델에서 실행됩니다. 이때 API pricing varies widely by provider.
관련 읽을거리
- Gemini Omni Flash 가격 및 API 가이드는 Google의 다른 실시간 멀티모달 모델에 대한 것입니다.
- OpenAI Realtime API 가격은 라이브 음성 제공업체 간 분당 비용을 비교하는 경우 참고하세요.
자주 묻는 질문
Google 번역에서 실시간 번역을 어떻게 활성화하나요?
Android 또는 iOS에서 Google Translate 앱을 열고 Live 또는 대화 모드를 선택한 다음, 두 언어를 선택하거나 앱이 자동으로 감지하도록 하세요. Android에서는 수신기에서 번역을 들으려면 듣기 모드를 켜세요.
Gemini 3.5 Live Translate는 몇 개의 언어를 지원하나요?
그것은 70개 이상의 언어를 자동으로 감지하며, 그룹 환경에서는 하나의 대화에서 2,000개 이상의 언어 쌍을 처리할 수 있습니다.
Gemini 3.5 Live Translate는 무료인가요?
네, 입력과 출력 모두에 대해 무료 등급이 있습니다. Live API의 유료 사용 요금은 오디오 분당 약 $0.037입니다(입력 토큰 100만 개당 $3.50, 출력 토큰 100만 개당 $21.00).
iPhone과 Android에서 사용할 수 있나요?
네. Google Translate 앱 배포는 iOS와 Android 모두를 포함하지만, 이어피스 청취 모드는 출시 시점에는 Android 기능입니다.
잘못된 언어를 감지하면 어떻게 되나요?
감지는 자동으로 이루어지기 때문에, 강한 억양, 서로 매우 비슷한 언어, 또는 빠른 언어 전환은 대화 중간에 잘못된 추정을 유발할 수 있으며, 긴 침묵 후에는 번역된 음성이 바뀌거나 성별이 달라질 수도 있습니다. 조용한 일대일 상황에서는 거의 문제를 일으키지 않지만, 시끄럽거나 여러 사람이 빠르게 오가는 환경에서는 의존하기 전에 먼저 테스트해 보세요.
개인적인 대화에는 Translate 앱을, 다국어 팀에는 Meet를 선택하고, 직접 제어하는 소프트웨어 안에서 번역이 필요할 때는 Live API를 사용하세요. 어떤 것을 선택하든, 본격적으로 도입하기 전에 무료 티어에서 먼저 프로토타입을 만들어 보세요.