구글 최강 음성 전사 모델이 등장했다: 정확도 상위 5위권 진입, 하지만 아직 ElevenLabs를 이기지는 못했다

동차 Beating AI 속보, 구글이 Gemini 3.5 Transcribe를 출시했습니다. 이는 현재 가장 정확한 구글 음성 전사 모델로, 구글이 전용 전사 모델에 처음으로 Smart 모드를 탑재한 것입니다. 모델은 실시간 및 녹음 전사 두 가지 버전으로 제공되며, 현재 Gemini API 공개 베타가 시작되었습니다. Artificial Analysis 평가에서 비스트리밍 WER(단어 오류율, 낮을수록 좋음)은 2.6%, 실시간 버전은 4.0%를 기록했습니다. 최종 전사 지연 시간은 이전 세대 Chirp 3 대비 70% 단축되었습니다.

Smart 모드는 더 이상 음성을 단순히 문자로 변환하는 데 그치지 않습니다. 예를 들어 "화요일 회의, 아니, 수요일"이라고 말하면 "수요일"만 남기고, "음, 어" 같은 군더더기 표현도 자동으로 삭제하며, 구어를 문단, 목록, 날짜, 숫자로 정리할 수 있습니다. 회의록 원문이 필요할 때는 기본 제공되는 축어 전사 모드를 계속 사용할 수 있습니다.

이 모델은 85개 이상의 언어를 지원하며 중간에 언어 전환도 가능하고, 맞춤형 전문 용어를 추가할 수도 있습니다. 녹음 전사는 분당 약 0.005달러, 즉 1000분당 5달러이며, 실시간 버전은 분당 약 0.009달러입니다. 독립 순위에서 OpenAI GPT Transcribe의 3.3%보다 정확하지만, ElevenLabs Scribe v2를 넘어서지는 못했습니다. 후자의 WER은 2.2%이며 1000분당 약 3.67달러입니다.

이 모델은 이미 Android의 Rambler와 macOS용 Gemini에 적용되었으며, 곧 Chrome에도 도입될 예정입니다. 그러면 웹페이지 입력창에서 직접 말로 글을 입력할 수 있게 됩니다.