본문으로 건너뛰기
AN INDEPENDENT ECONOMIC JOURNAL생활에서 시작하는 경제 읽기
가까이 두고 읽는 경제 이야기
CIN · CONNECT · INFORM · NEWS
경제의 흐름을,
생활의 언어로.

CIN ECONOMIC NOTES

구글 제미나이 3.1 플래시 라이브 공개, 실시간 음성의 응답 속도는 어떻게 확인하나

구글이 개발자용 음성 모델의 미리보기 제공을 발표했다. 대화가 시작되는 속도와 소음 속 질문을 제대로 처리하는 능력을 나눠 볼 수 있다.

핵심 먼저 읽기

AT A GLANCE
  • 구글은 3월 26일 제미나이 3.1 플래시 라이브를 개발자용 미리보기로 제공한다고 밝혔다.
  • 구글은 이전 2.5 플래시 네이티브 오디오 모델과 비교해 지연을 줄이고 말의 높낮이와 속도를 더 잘 파악한다고 설명했다.
  • 앱에서 체감하는 지연에는 모델 외에 연결 상태와 외부 조회 시간도 들어간다. 정확한 답을 내는지와 응답을 얼마나 빨리 시작하는지는 각각 확인해야 한다.
마이크에 말하는 사람과 스피커 사이에 두 음파가 오가고, 뒤에서 라디오와 자동차가 소리를 내는 과슈 일러스트
본문의 이해를 돕기 위한 일러스트레이션
이 글의 순서 · 4개 주제

2026년 3월 26일 구글은 제미나이 3.1 플래시 라이브를 공개했다. 회사는 구글 AI 스튜디오와 제미나이 라이브 API로 개발자에게 미리보기 형태로 제공한다고 설명했다. 이 모델은 음성 대화와 영상에서 들어오는 정보를 처리하고 응답을 내는 앱에 쓰도록 설계됐다. 구글은 이전 모델과 비교했을 때 음성 응답의 지연이 줄고 사람의 발화 속도와 음높이 같은 단서를 더 잘 포착한다고 밝혔다. [1]

말이 끝난 뒤 소리가 들릴 때까지

실시간 음성 앱의 체감 지연은 여러 단계에서 생긴다. 마이크로 들어온 소리는 네트워크를 통해 전달되고, 앱이나 모델은 사용자가 말하는 차례가 끝났는지 판단한다. 질문을 파악해 답을 만들고 음성을 돌려보낸 뒤 기기가 재생하면서 사용자는 첫 응답을 듣는다. 답에 필요한 정보를 다른 서비스에서 조회할 경우에는 그 서비스에서 돌아오는 시간도 추가된다. 모델이 응답을 시작하는 시간과 기기에서 첫 음성을 듣는 시간의 범위를 나누면 어디에서 지연됐는지 확인하기 쉽다.

가령 이용자가 스마트폰으로 공공도서관의 개관 시간을 묻는 장면을 생각해 보자. 인사나 되묻기는 곧바로 들려도, 도서관을 구분하고 당일의 운영시간을 조회하는 작업에는 시간이 걸릴 수 있다. 첫 음성이 빠르게 들렸는지와 정확한 답이 최종적으로 나왔는지는 서로 다른 기록이다. 예시에서 필요한 운영 정보에 접근하려면 앱이 그런 외부 조회를 별도로 제공해야 한다. 모델을 연결하는 것만으로 실제 정보원과의 연결을 가정할 수는 없다.

통화 중 답을 듣다가 사용자가 말을 시작할 때도 대화의 흐름이 드러난다. 앱이 그 발화를 새로운 질문으로 받는지, 지금 재생 중인 답을 적절히 멈추는지에 따라 대화가 이어지는 느낌이 달라진다. 뒤에서 음악이나 텔레비전 소리가 나는 경우에는 사용자의 말과 배경음을 잘 구분할 수 있는지가 중요하다. 이런 차이는 녹음이 깨끗한 예시 한 편에서 응답 시간을 재는 것만으로 판단하기 어렵다. [1]

이전 버전과 비교해 볼 항목

2025년 6월 3일 구글이 공개한 제미나이 2.5 네이티브 오디오 설명에도 스트리밍 음성·영상의 이해와 자연스러운 대화가 있었다. 2026년 3월 자료는 그 계열 모델과 비교해 낮은 지연, 말의 빠르기와 음높이 인식, 소음 환경에서 필요한 말과 배경 소리를 구분하는 능력이 개선됐다고 소개했다. 같은 종류의 기능이 이미 설명된 상태에서 이번 발표는 그 기능이 여러 상황에서 어떻게 동작하는지에 초점을 맞췄다. 두 게시물의 설명은 구글이 공개한 기능과 비교다. [2][1]

회사가 말한 음성의 높낮이와 말의 빠르기는 텍스트로 옮긴 문장에 남지 않을 수 있는 정보다. 가령 같은 단어를 말해도 문장 끝을 올려 확인하는 경우와 빠르게 말하면서 다음 문장으로 넘어가는 경우는 대화의 흐름이 다르다. 직접 음성을 받는 모델을 평가할 때에는 자막에 적힌 내용뿐 아니라 짧은 멈춤이나 되묻기 같은 실제 오디오의 특징을 함께 볼 수 있다. 그 단서를 잘 활용하는지 여부는 언어와 녹음 조건을 맞춘 비교에서 확인할 사항이다. [1][2]

환경을 맞춰 시험하면 드러나는 차이

예를 들어 같은 휴대전화와 마이크, 인터넷 연결을 유지하고 조용한 실내와 사람 소리가 섞인 공간을 나눠 기록할 수 있다. 말이 끝난 시각과 첫 소리가 난 시각의 차이, 질문을 잘못 들은 횟수, 답을 마치기까지 걸린 시간을 각각 비교하면 지연의 성격이 달라지는 지점을 찾을 수 있다. 같은 문장을 한 번씩만 읽으면 우연히 연결이 느린 차례의 영향을 크게 받으므로 여러 차례 같은 조건에서 비교해야 한다.

새 버전을 붙인 앱이 외부 기능을 실행하는 경우에는 별도의 점검이 필요하다. 사용자 발화의 일부를 잘못 들었을 때 어떤 정보를 다시 확인하는지, 실제 조회가 실패하면 그 상태를 알리는지를 살펴볼 수 있다. 음성을 자연스럽게 내는 것과 질문에 해당하는 정보를 정확히 찾는 일은 같은 기준으로 측정하기 어렵다. 구글 발표도 소음 속 음성 인식과 대화 중 외부 기능 사용에 관한 개선을 각각 다뤘다. [1]

앱이 사용하는 언어를 바꿔 비교할 때에는 번역문만 같게 두는 것보다 발화 길이와 배경 소음, 기기의 녹음 거리를 함께 살피는 편이 정확하다. 같은 질문도 처음 한두 단어에서 말이 겹치면 끝부분만 겹친 경우와 결과가 다를 수 있다. 지원 언어의 수와 특정 언어에서 질문을 제대로 파악하는 비율도 별개의 정보다.

공개 발표에서 알 수 있는 범위

3월 공개 자료만으로는 모든 언어, 기기와 연결 환경에서 지연 시간이 얼마나 줄어드는지 알기 어렵다. 미리보기 모델은 개발자가 시험할 수 있는 출시 단계이고, 이를 붙인 개별 앱은 연결 품질과 처리 경로, 음성 출력 방법이 다를 수 있다. 발표의 기능 소개를 실제 서비스의 응답 시간이나 정확도가 보장된다는 의미로 쓰려면 추가 검증이 필요하다. 당시 확인한 것은 구글이 발표한 제공 범위와 이전 모델 대비 개선 항목이다. [1][2]

현실의 대화는 질문을 마친 시점이 분명하지 않을 때도 있다. 앱을 비교할 때 사용자의 침묵 시간이 같은지, 말 도중 끼어들 수 있게 설정했는지에 따라 첫 응답을 재는 결과가 달라질 수 있다. 일정한 속도의 낭독과 저마다 말의 속도가 다른 대화를 따로 보면 이용자가 어떤 상황에서 개선을 느낄지 더 구체적으로 검증할 수 있다.

이 글에서 생긴 질문을 다른 관점으로 이어 읽어보세요.

CONNECTED NOTES

SOURCES & FURTHER READING

참고한 자료, 더 읽을 거리

글의 근거와 더 자세한 배경은 아래 원문에서 이어 읽을 수 있습니다.

01
Google

Build real-time conversational agents with Gemini 3.1 Flash Live

↗
02
Google DeepMind

Gemini 2.5’s native audio capabilities

↗
CIN

흩어진 소식을 연결하고,
일상의 질문에서 경제를 이해합니다.

블로그 소개 ↗