구글, '생각하며 말하는' 음성 AI 제미나이 3.8 라이브 시리즈 공개

구글이 '대화하는 AI'를 한 단계 올렸다

구글이 제미나이 3.8 라이브(Live)와 제미나이 3.8 라이브 확장 사고(Extended Thinking) 두 모델을 동시에 공개했다. 음성 대화를 위한 전용 모델이라는 점이 핵심이다. 기존 제미나이 시리즈가 텍스트 중심이었다면, 이번 모델은 "듣고, 보고, 생각하며, 동시에 말한다"는 설계로 출발한다.

발표문은 두 모델을 "가장 진보한 라이브 대화 모델"이라고 표현했다. 개발자용 API와 구글 워크스페이스, 제미나이 앱에서 오늘부터 쓸 수 있다고 밝혔다. 다만 한국 시점의 실제 제공 시점과 무료 티어 여부는 언급되지 않았다.

벤치마크 숫자보다 중요한 건 '체감'

확장 사고 모델은 인공분석(Artificial Analysis) 음성 품질 지수 82.6점으로 1위를 기록했다. τ-보이스(타우-보이스, 음성 에이전트 작업 수행 벤치마크)에서 68.6%, 시에라 τ-보이스-뱅킹에서 35.1%로 에이전트 작업 완료율 선두다. 빅벤치 오디오 추론 점수는 97.7%다. 이 수치들은 음성으로 복잡한 업무를 끝까지 완수하는 능력을 겨룬 결과다.

기본 라이브 모델은 음성 에이전트 아레나에서 사용자 선호도 2위를 차지했다. 가격 경쟁력도 갖췄다고 강조했지만, 구체적인 토큰당 요금은 공개하지 않았다. "경쟁 모델 대비 매우 경쟁적"이라는 문구만 있다.

서비스나우 EVA-벤치에서는 정확성과 대화 품질 양쪽을 모두 잡으며 파레토 최전선(성능과 품질 중 어느 쪽도 포기하지 않는 최적 지점)에 도달했다고 한다. 단, 이 테스트는 제미나이 엔터프라이즈 에이전트 플랫폼에서 수행됐다. 일반 개발자가 동일한 환경을 구성하려면 추가 비용이 든다. 발표 환경과 실제 개발 환경이 다를 수 있다.

말로만 듣지 않는다, 보며 일한다

3.8 라이브는 시각 입력을 근실시간으로 처리한다. 체스판을 보며 수를 두고, 스케치를 보며 리액트 컴포넌트를 생성하는 시연이 공개됐다. 97개 언어를 대화 도중 자동 감지해 전환한다.

가장 다른 점은 백그라운드 작업 병렬 실행이다. 툴 호출과 API 요청을 뒤에서 처리하면서 대화를 끊지 않는다. "잠시 확인해 볼게요" 같은 자연스러운 구어적 단서를 먼저 말하고, 진행 상황을 실시간으로 나레이션한다.

확장 사고 모델은 추론과 발화를 동시에 수행한다. 복잡한 예약 조율, 다단계 함수 호출을 대화 흐름 중단 없이 처리한다. 워크스페이스에서는 독스 라이브, 지메일 라이브, 킵 라이브로 문서·메일·메모를 음성으로 조작할 수 있다.

개발자 생태계는 이미 움직이고 있다

아가고라(Agora), 피시잼(Fishjam), 랭체인(LangChain), 라이브킷(LiveKit), 파이프캣(Pipecat), 버셀(Vercel), 비전 에이전트(Vision Agents) 등 주요 실시간 미디어 플랫폼이 라이브 API를 지원한다. 스트리밍 인프라를 대신 관리해 주니 개발자는 UX에만 집중하면 된다.

세일즈포스, 젠스파크(Genspark), 루메리스(Lumeris) 같은 기업 파트너도 지연 시간과 툴 호출 능력을 높게 평가했다. 단, 국내 스타트업이나 중소기업이 바로 붙여 쓰기엔 검증 사례가 부족하다.

커뮤니티 반응: "내 앱엔 아직 안 뜬다"

해커뉴스 댓글 18개 중 상당수가 롤아웃 지연을 지적했다. 한 사용자는 "내 제미나이 앱은 여전히 3.5 플래시-라이트와 3.6 플래시에 머물러 있다"며 구글의 배포 방식을 이해할 수 없다고 썼다. VS Code 확장 프로그램이 "암호 같은 에러만 뱉는다"는 개발자 불만도 있었다.

"스타트업 중 수익 내는 곳 없다"는 냉소와 "구글은 적어도 자기 돈으로 돌린다"는 옹호가 엇갈렸다. 한국 사용자 입장에선 앱 업데이트 시점이 가장 큰 변수다. 발표문과 실제 배포 사이에 시차가 있음을 현장이 확인해 준 셈이다.

쉽게 풀어보면

구글이 음성으로만 일하는 AI 비서 두 가지를 내놨다. 제미나이 3.8 라이브와 확장 사고 모델이다. 이전엔 음성 인식을 텍스트로 바꾸고, 텍스트 모델이 생각한 뒤 다시 음성으로 합성하는 3단계였다. 이제는 소리가 들어오자마자 의미를 파악하고, 답을 준비하면서 동시에 말하기 시작한다.

사람이 대화할 때 "음, 그러니까…" 하며 생각을 정리하듯, 확장 사고 모델은 "잠시 확인해 볼게요"라고 먼저 말하고 뒷작업을 이어간다. 화면도 본다. 스마트폰 카메라로 체스판을 비추면 수를 읽고, 손으로 그린 와이어프레임을 보며 코드를 짜준다.

97개 언어를 중간에서 바꿔도 알아듣는다. 영어 회의 중 한국어 질문을 던져도 자연스럽게 이어받는다. 백그라운드에서 이메일 검색, 캘린더 예약, 문서 생성을 동시에 돌려도 대화는 끊기지 않는다.

단, 이 모든 게 내 폰에서 오늘 당장 되는 건 아니다. API와 워크스페이스, 앱에 "오늘부터" 적용된다고 했지만, 한국 계정으로 접속해 보면 구버전만 보이는 경우가 많다. 개발자용 API 키도 별도 신청이 필요할 수 있다. 확인된 건 모델 능력치뿐. 가격·가용성·한국어 품질은 아직 알 수 없다.

나에게 미치는 영향

직장인이라면 구글 워크스페이스 독스·지메일·킵에서 '라이브' 배지가 붙었는지 확인하라. 문서 요약, 메일 초안, 메모 정리를 말로 시킬 수 있다. 무료 계정도 적용되는지 구글 공식 블로그 공지사항을 오늘 중으로 체크해라.

학생·연구자라면 제미나이 앱 업데이트를 기다리며, 웹 버전 제미나이에서 음성 아이콘이 활성화되는지 수시로 확인하라. 한국어 음성 인식 품질이 이전보다 얼마나 나아졌는지 직접 테스트하는 게 가장 빠르다.

개발자라면 라이브 API 문서를 열고 토큰 요금표부터 찾아라. 발표문엔 "경쟁력 있는 가격"만 있고 숫자는 없다. 아가고라나 라이브킷 같은 플랫폼 무료 티어로 프로토타입을 만들어 지연 시간을 직접 측정해 보라.

자영업자·소상공인이라면 아직 쓸 수 없다. 음성 주문 봇이나 예약 자동화를 붙이려면 개발자 고용이나 솔루션 구매가 필요하다. 국내 파트너사가 이 API를 감싸는 상품을 내놓을 때까지 기다리는 게 현실적이다.

남은 쟁점 세 가지

• 한국어 실시간 성능: 97개 언어 지원이라고 하지만, 한국어 억양·방언·외래어 혼용 환경에서 어느 정도 정확도가 나오는지 독립 검증이 없다.
• 가격 정책: 엔터프라이즈 플랫폼 벤치마크만 공개했을 뿐, 일반 개발자용 라이브 API 요금은 미공개다. 경쟁 모델과 비교 불가 상태다.
• 롤아웃 불확실성: 해커뉴스 사용자 다수가 "앱에 안 뜬다"고 호소한다. 구글의 단계적 배포 정책상 한국은 수주 뒤일 수 있다.

확인된 건 모델 능력치뿐이다. 가격·가용성·한국어 품질 세 가지는 아직 알 수 없다.