Mail

회의 중에 외국어로 말하는 사람이 있다. 동시통역사를 쓰자니 비용이 크고, 나중에 번역본을 받자니 흐름이 끊긴다. 이 오래된 문제를 Google이 다시 건드렸다.

2026년 5월, Google은 Gemini 2.5 Flash Native Audio의 대규모 업데이트를 발표했다. 두 가지가 눈에 띈다. 하나는 실시간 음성-음성 번역(Live Speech-to-Speech Translation), 다른 하나는 Proactive Audio다. 단순히 기능이 추가된 것이 아니라, AI가 소리를 다루는 방식의 패러다임이 바뀌었다.

실시간 음성-음성 번역: 목소리의 영혼을 살린다

Gemini Live 실시간 음성 번역

기존 번역 앱이 하는 일은 이렇다. 음성을 텍스트로 변환하고, 텍스트를 번역하고, 번역된 텍스트를 다시 음성으로 변환한다. 세 단계를 거치는 동안 시간이 걸리고, 중요한 것들이 사라진다. 말하는 사람의 톤, 강세, 감정, 속도 — 언어에서 의미의 절반 이상을 차지하는 것들이다.

Gemini의 Live Speech-to-Speech Translation은 다르게 접근한다.

이어폰을 끼고 대화를 시작하면 상대방의 목소리가 실시간으로 번역된다. 핵심은 톤·속도·억양을 그대로 유지한다는 점이다. 상대방이 흥분해서 빠르게 말하면 번역도 같은 속도감으로 전달된다. 질문을 던지는 어조 그대로 내 귀에 닿는다. 단순히 단어를 바꾸는 것이 아니라 말의 질감까지 전달하려 한다.

24개 언어, 30가지 HD 음성을 지원한다. Google AI Studio, Vertex AI에서 먼저 사용 가능하며, Gemini Live와 Search Live에도 순차 적용 중이다.

Proactive Audio: 나를 향한 말에만 반응한다

두 번째 기능 Proactive Audio는 더 흥미로운 개념을 담고 있다.

AI 음성 어시스턴트의 고질적인 문제가 있다. 항상 듣고 있다는 것. TV 소리, 옆 사람의 대화, 배경 소음 — AI는 이 모든 것을 "내게 하는 말"로 오해할 수 있다. 반대로 너무 엄격하게 설정하면, 실제로 필요할 때 반응을 못 하기도 한다.

Proactive Audio는 이 딜레마를 다르게 푼다.

"모델은 자신에게 향한 쿼리에 대해서만 응답을 생성합니다. 기기를 향하지 않은 쿼리에는 반응하지 않습니다." — Google 공식 문서

AI가 단순히 웨이크워드를 감지하는 것이 아니라, 발화의 의도와 방향을 파악한다. 나와 대화 중인 것인지, 다른 사람과 대화 중인 것인지를 맥락으로 구분한다. 텍스트 전사와 오디오 응답을 모두 생성하되, 관련 있을 때만 활성화된다.

현재 Preview 단계로, Gemini API를 통해 개발자들이 먼저 테스트할 수 있다.

멀티턴 대화 품질 개선

이번 업데이트에서 덜 주목받지만 실용적인 변화가 있다.

멀티턴 대화 일관성이 크게 개선됐다. 이전에는 여러 차례 대화를 이어가면 앞서 나눈 내용을 AI가 맥락에서 놓치는 경우가 종종 있었다. 12-25 모델 버전부터 이전 턴의 문맥을 더 안정적으로 유지한다.

함수 호출(Function Calling)의 정확도와 지시 따르기(Instruction Following)도 향상됐다. AI 음성 에이전트를 프로덕션 서비스에 연결하는 개발자들에게 중요한 개선이다.

교육에서의 활용 가능성

에듀테크 CEO로서 이 두 기능이 교육 현장에 어떻게 연결될지 생각해봤다.

실시간 음성 번역의 교육 활용:

국제 화상 수업에서 학생이 자신의 언어로 말하고 교사가 실시간으로 이해
다국어 가족의 자녀들이 부모의 모국어 수업을 실시간 번역으로 함께 들음
해외 교환학생 프로그램에서 언어 장벽을 낮추는 도구

Proactive Audio의 교육 활용:

교실 환경에서 AI 어시스턴트를 켜두되, 수업 중 배경 소음이나 학생들의 잡담에는 반응하지 않고 교사의 질문에만 응답
어린 학생들의 자기주도 학습 환경에서 AI가 과도하게 끼어들지 않으면서 필요할 때 도움 제공

언어 학습의 관점에서 보면, 실시간 음성 번역은 "이해의 보조 도구"와 "언어 습득의 방해 요소" 사이의 경계에 있다. 번역 없이 그 언어에 노출되는 것이 언어 습득에 더 효과적일 수 있기 때문이다. 도구를 언제 켜고 끌지의 판단이 사용자의 목적에 달려 있다.

기술 스펙 요약

항목	내용
모델	Gemini 2.5 Flash Native Audio (12-25)
지원 언어	24개 언어
HD 음성 수	30개
번역 방식	음성-음성 직접 변환 (텍스트 중간 단계 최소화)
특징 보존	톤·속도·억양 유지
Proactive Audio	Preview 단계, Gemini API 개발자 우선 제공
멀티턴 개선	이전 턴 맥락 유지 강화
Function Calling	정확도 향상

활용 팁

실시간 번역 시작: Google AI Studio에서 Live API를 활성화하면 바로 테스트 가능하다. 24개 언어 중 원하는 입력/출력 언어를 설정하면 된다.
Proactive Audio 테스트: 현재 개발자 API를 통해 Preview 제공 중. proactiveAudio: true 파라미터로 활성화한다.
톤 보존 확인법: 동일한 문장을 감정을 달리해서 입력해보자. 흥분된 목소리와 차분한 목소리의 번역 결과물이 어떻게 다른지 비교하면 이 기능의 품질을 직관적으로 느낄 수 있다.
멀티턴 대화 최적화: 12-25 모델을 명시적으로 지정해서 사용해야 개선된 멀티턴 경험을 얻을 수 있다. 구형 모델은 업데이트 미적용.
Function Calling 활용: 향상된 함수 호출 정확도를 활용해 음성으로 내부 시스템이나 API를 호출하는 에이전트를 구축해보자. 고객 서비스, 예약, 정보 조회 등의 시나리오에서 실용적이다.

출처

Google Blog, "Gemini 2.5 Native Audio upgrade, plus text-to-speech model updates": https://blog.google/products-and-platforms/products/gemini/gemini-audio-model-updates/
Google DeepMind Blog, "Gemini 2.5's native audio capabilities": https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-2-5-native-audio/
Android Central, "Google's upgraded Gemini 2.5 Flash Native Audio model makes AI more conversational": https://www.androidcentral.com/apps-software/ai/googles-upgraded-gemini-2-5-flash-native-audio-model-makes-ai-more-conversational
Google Cloud Blog, "Gemini Live API available on Vertex AI": https://cloud.google.com/blog/products/ai-machine-learning/gemini-live-api-available-on-vertex-ai
eWeek, "Gemini 2.5 Flash Native Audio Gets Major Voice Upgrade": https://www.eweek.com/news/google-gemini-2-5-flash-native-audio-update/