구글이 26일 실시간 음성 인터랙션에 최적화된 신규 음성-텍스트 변환 모델 '제미나이 3.5 트랜스크라이브'를 공개했다. 배경 소음, 전문 용어, 발화 수정 등을 처리해 원시 오디오를 정확하고 정돈된 형식의 텍스트로 바로 변환하며, 실시간 스트리밍용과 사전 녹음 오디오 처리용(화자 구분·단어별 타임스탬프 포함) 두 가지 API로 제공된다. 아티피셜 애널리시스 측정 기준 단어 오류율(WER)은 스트리밍 4.0%, 비스트리밍 2.6%로 이전 모델 '처프3' 대비 크게 개선됐으며, 최종 전사 완료 시간도 70% 단축됐다. 85개 이상 언어를 자동 감지·전사하며, 안드로이드의 '램블러', 맥OS 제미나이 앱, 구글 앤티그래비티 등에 이미 적용됐고 크롬에도 곧 도입될 예정이다.

• •구글, 실시간 음성-텍스트 모델 '제미나이 3.5 트랜스크라이브' 공개
• •단어오류율(WER) 스트리밍 4.0%·비스트리밍 2.6%로 이전 모델 대비 대폭 개선
• •최종 전사 완료 시간 70% 단축, 85개 이상 언어 자동 감지·전사
• •화자 최대 3명 식별, 단어별 타임스탬프 지원
• •안드로이드 램블러·맥OS 제미나이 앱 등에 우선 적용, 크롬에도 곳 도입 예정