구글 딥마인드(DeepMind)가 음성 대화의 자연스러움을 유지하면서 복잡한 추론과 백그라운드 작업을 동시에 처리할 수 있는 음성 AI 모델인 '제미나이 3.8 라이브(Gemini 3.8 Live)'와 '제미나이 3.8 라이브 익스텐디드 씽킹(Gemini 3.8 Live Extended Thinking)'을 공개했다. 이번에 선보인 모델들은 대화 도중 사용자의 말을 끊지 않고 실시간 시각적 맥락을 반영하며, 대화 중 97개 언어를 자동으로 감지해 전환하는 기능을 갖추고 있다.

이미지 출처: DeepMind

다양한 평가 지표와 성능

공개된 자료에 따르면 제미나이 3.8 라이브 익스텐디드 씽킹은 '인공 어나이시스(Artificial Analysis)'의 음성 대화 품질 지수(Speech to Speech Quality Index)에서 높은 점수를 기록했으며, 에이전트 작업 완료 성능과 오디오 이해도 평가 지표인 빅벤치 오디오(Big Bench Audio) 등에서 성능을 입증했다. 또한 제미나이 3.8 라이브 역시 스피치 에이전트 아레나(Speech Agent Arena)에서 사용자 선호도 상위권을 기록했다.

이미지 출처: DeepMind

활용 기능과 서비스 접근성

제미나이 3.8 라이브는 시각적 입력을 실시간으로 처리해 온보딩 가이드나 대화형 작업에 활용되며, 익스텐디드 씽킹 모델은 복잡한 워크플로우를 처리할 때 '잠시 확인해 보겠습니다' 같은 자연스러운 구어체 단서와 실시간 진행 상황 내레이션을 제공한다. 일반 사용자의 경우 제미나이 3.8 라이브는 검색 라이브(Search Live)에서 쓸 수 있고, 익스텐디드 씽킹 모델은 제미나이 라이브 및 구글 워크스페이스(Docs, Gmail, Keep)의 특정 요금제 구독자 환경에서 사용할 수 있다.

이미지 출처: DeepMind

개발자 및 기업 환경 지원

개발자와 기업은 제미나이 API와 구글 AI 스튜디오를 통해 해당 모델을 활용할 수 있으며, 아고라(Agora), 피시잼(Fishjam), 라이브킷(LiveKit), 파이프캣(Pipecat), 베르셀(Vercel), 비전 에이전트(Vision Agents) 등의 개발자 플랫폼을 통해 실시간 스트리밍 인프라 기반의 음성 인터페이스 구축을 지원받는다. 또한 구글은 오디오 제품에 '신스아이디(SynthID)' 워터마크 기술을 적용해 인공지능이 생성한 오디오 콘텐츠를 식별할 수 있도록 했다.

이미지 출처: DeepMind