구글, '제미나이 2.5 플래시 네이티브 오디오' 공개..."실시간 음성 에이전트로 진화"

[박찬 기자]

구글이 자연스러운 대화 경험을 구현하기 위해 실시간 음성 인공지능(AI) 에이전트의 핵심 기술을 대폭 강화했다.

구글은 12일(현지시간) 새로운 업데이트를 통해 '제미나이 2.5 플래시 네이티브 오디오(Gemini 2.5 Flash Native Audio)'를 선보이며, 실시간 음성 대화와 라이브 번역 기능을 주요 서비스 전반에 본격적으로 적용하겠다고 발표했다.

이번 업데이트는 단순히 말하는 AI를 넘어, 복잡한 작업 흐름을 이해하고 지시에 따라 행동하며 장시간 자연스러운 대화를 이어갈 수 있는 '음성 에이전트' 구현에 초점을 맞췄다.

제미나이 2.5 플래시 네이티브 오디오는 현재 '구글 AI 스튜디오'와 '버텍스 AI'를 통해 제공되며, '제미나이 라이브(Gemini Live)'와 '서치 라이브(Search Live)'에도 차례로 적용된다.

특히, 휴대폰 카메라로 화면을 설명해 주는 서치 라이브에 네이티브 오디오가 도입된 것은 이번이 처음이다.

이를 통해 사용자는 음성으로 제미나이와 실시간 대화를 나누거나 검색 중 바로 도움받을 수 있다. 기업들은 차세대 고객 지원용 음성 에이전트를 구축하는 데 이 기술을 도입할 수 있다.

구글은 이번 업데이트에서 네이티브 오디오 성능을 세가지 핵심 영역에서 개선했다고 설명했다.

먼저 외부 기능 호출 정확도가 크게 향상됐다. 대화 중 언제 실시간 정보를 불러와야 하는지를 정확하게 판단하고, 이를 음성 응답에 자연스럽게 통합할 수 있다.

실제로 다단계 함수 호출 능력을 평가하는 컴플렉스펑크벤치 오디오(ComplexFuncBench Audio)에서 71.5%를 기록, 업계 최고 수준의 성과를 냈다.

복잡한 지시 이행 능력도 강화됐다. 개발자 지시에 대한 준수율은 기존 84%에서 90%로 높아져, 응답의 완성도와 신뢰성이 개선됐다.

여기에 전 대화 맥락을 더 효과적으로 기억하고 활용함으로써, 여러 차례 이어지는 대화에서도 일관성과 자연스러움을 유지한다.

구글에 따르면, 쇼피파이는 이 기술을 활용해 사용자들이 AI와 대화 중임을 잊을 정도로 자연스러운 경험을 제공하고 있다. 유나이티드 홀세일 모기지는 이 모델을 통합해 1만4000건 이상의 대출을 성사하는 등 실제 비즈니스 성과를 창출하고 있다고 소개했다.

가장 눈에 띄는 변화는 실시간 음성-음성 번역 기능이다. 제미나이는 연속 청취와 양방향 대화를 모두 지원하는 라이브 번역을 제공하며, 화자의 억양과 말 속도, 음높이까지 보존해 자연스러운 번역을 구현한다.

연속 청취 모드에서는 여러 언어로 들리는 주변 음성을 하나의 목표 언어로 자동 번역해 헤드폰으로 들을 수 있다. 양방향 대화 모드에서는 대화 상대에 따라 출력 언어를 자동 전환해, 서로 다른 언어를 쓰는 사용자 간 실시간 소통이 가능하다.

이 기능은 70개 이상의 언어와 2000개 이상의 언어 쌍을 지원하며, 다국어 동시 인식, 자동 언어 감지, 소음 환경에서도 안정적인 번역 등 실제 사용 환경을 고려한 기능을 갖췄다.

구글은 이 기능을 '구글 번역' 앱의 베타 서비스로 먼저 선보였다.

사용자는 헤드폰을 연결한 뒤 '라이브 번역(Live translate)'을 탭해 실시간 번역을 체험할 수 있다. 현재 미국, 멕시코, 인도 내 안드로이드 기기에서 제공되며, iOS 및 다른 지역으로도 확대될 예정이다.

제미나이 2.5 플래시 네이티브 오디오는 현재 버텍스 AI에서 정식 제공되며, 제미나이 API에서는 프리뷰 형태로 사용할 수 있다.

구글은 사용자와 개발자 피드백을 바탕으로 기능을 고도화해, 2026년에는 제미나이 API를 포함한 더 많은 제품군으로 확장할 계획이다.

박찬 기자 cpark@aitimes.com

<저작권자 Copyright ⓒ AI타임스 무단전재 및 재배포 금지>