회의록과 고객 통화의 재작업은 대개 받아쓰기 정확도 하나로 생기지 않는다. 사람 이름·상품명·주문번호가 틀렸을 때 어디서 고칠지, 발화자가 섞였을 때 무엇을 다시 들을지, 실시간 자막이 끝난 뒤 어떤 기록을 남길지가 함께 결정한다.
구글은 2026년 8월 26일 음성을 정돈된 텍스트로 바꾸는 Gemini 3.5 Transcribe를 공개했다. 말버릇을 덜어내고 문장부호를 넣는 기능은 눈에 띄지만, 회의록과 통화 기록에 도입할 때는 결과 문장이 매끈한지보다 업무 흐름에 필요한 단서가 남는지부터 봐야 한다.
회의록에는 문장 정리보다 발화 위치가 먼저다
회의록은 읽기 좋은 요약본과 나중에 되짚을 수 있는 기록을 분리해 다루는 편이 낫다. 이 모델의 Smart transcription은 ‘음’, ‘어’ 같은 군더더기를 덜고, “화요일… 아니 수요일”처럼 말하다 고친 표현을 정리한다. 회의록 초안을 빨리 읽는 데는 유용하다. 반면 결정을 확인하거나 책임 소재를 추적해야 하는 회의라면, 원음과 정리 전 결과를 함께 보관하고 정리본은 별도 산출물로 두는 흐름이 안전하다.
녹음 파일 처리 모델 gemini-3.5-transcribe는 화자 구분과 단어 단위 타임스탬프를 지원한다. 이 두 항목은 잘못 옮겨진 문장을 사람이 고칠 때 재생 위치로 곧장 돌아갈 수 있게 한다. 공식 모델 문서는 화자 구분을 최대 8명까지 지원한다고 적고, 3명 이상 화자의 귀속은 실험적 기능으로 분류한다. 참석자가 많은 회의일수록 실제 녹음으로 화자 전환 구간을 먼저 시험해야 하는 이유다.
실시간 자막과 녹음 파일은 같은 도구로 묶지 말아야 한다
Gemini 3.5 Transcribe는 실시간용과 녹음 파일용을 분리해 제공한다. gemini-3.5-transcribe-live는 Live API에서 양방향 스트리밍과 1초 미만 지연을 목표로 한다. 상담 중 보조 자막, 음성 인터페이스처럼 대화가 진행되는 동안 텍스트가 필요한 경우에 맞는다. 공식 문서의 세션 한도는 10분이다. 긴 고객 통화는 세션을 나누고 뒤에서 이어 붙이는 처리가 설계에 들어가야 한다.
반대로 회의 녹음·통화 로그처럼 끝난 오디오를 처리하는 쪽은 Interactions API의 파일 처리 모델을 고르면 된다. 요청당 최대 1시간을 다룰 수 있지만, 화자 구분이나 단어 단위 타임스탬프를 켜면 최대 30분으로 줄어든다. 실시간 결과에 없는 단어 시간과 화자 정보가 필요한 업무라면 이 제한은 모델 비교표의 작은 주석이 아니라 파일 분할 규칙이 된다.
고객 통화에서는 고유명사와 숫자를 별도 시험지로 만들어야 한다
고객 통화의 수정 비용은 일반 문장이 아니라 상품명, 병원·회사명, 약어, 주소, 우편번호, 주문번호에서 커진다. 구글은 배경 소음 환경과 영숫자 엔터티 인식 성능을 강조한다. 그러나 운영팀이 확인할 값은 평균 단어 오류율 하나가 아니다. 실제 상담 녹음에서 상담원이 이름·번호·금액을 몇 번 고치는지, 틀린 문장을 원음에서 찾는 데 몇 초가 걸리는지를 함께 기록해야 한다.
Custom vocabulary는 이 시험을 통과시키는 입력값이다. 실시간과 파일 처리 모델 모두 용어를 최대 1,000개까지 넣을 수 있고, 공식 문서는 보통 100개 이하에서 가장 좋은 결과를 기대할 수 있다고 안내한다. 처음부터 조직의 전체 용어집을 넣기보다 자주 틀리고 재작업 비용이 큰 이름·상품·코드부터 짧은 목록으로 검증하는 편이 원인과 결과를 연결하기 쉽다. 한국어 통화에 영어 제품명이나 숫자 코드가 섞이는 경우도 같은 목록에서 확인할 수 있다.
도입 전에는 정확도 대신 ‘수정 경로’를 비교하라
도구 선정 테스트는 같은 음성 파일을 두세 서비스에 넣어 완성 문장만 대조하는 방식으로 끝내기 쉽다. 회의록이라면 발언자를 바로잡고 근거 발화를 찾는 경로까지, 고객 통화라면 핵심 엔터티를 수정해 CRM에 넘기는 경로까지 재현해야 한다. 이때 원음 링크, 화자 구분, 단어 시각, 정리된 문장 중 무엇이 남는지를 체크하면 팀마다 다른 업무 기준을 한 표에서 비교할 수 있다.
Gemini 3.5 Transcribe는 85개 이상 언어를 자동 감지하고 언어가 바뀌는 발화도 처리하도록 설계됐다. 여러 언어를 섞어 쓰는 팀이라면 언어 수 자체보다, 한 통화 안에서 언어가 전환된 뒤 화자·시간·고유명사가 같은 행에 유지되는지를 확인하는 편이 실무적인 판별법이다. 실시간 자막, 녹음 회의록, 통화 후 분석은 필요한 출력이 다르므로 하나의 ‘정확도’ 점수로 구매 결정을 내릴 이유가 없다.
출처: Google Blog, Introducing Gemini 3.5 Transcribe (2026. 8. 26.)