구글이 실시간 음성 대화에 특화한 두 종류의 새 모델, 제미나이 3.8 라이브(Gemini 3.8 Live)와 제미나이 3.8 라이브 익스텐디드 싱킹(Extended Thinking)을 공개했다. 두 모델 모두 사람과 기계의 대화를 좀 더 자연스럽고 유연하게 만드는 데 초점을 맞췄으며, 제미나이 API와 구글 워크스페이스, 제미나이 앱, 검색을 통해 곧바로 사용할 수 있다. 기존의 음성 인터페이스가 '질문하면 답한다'는 단발성 상호작용에 머물렀다면, 이번 모델은 대화 도중 끼어들거나 언어를 바꾸고, 처리 과정을 설명하면서 작업을 이어가는 방식을 지향한다는 점에서 결이 다르다.
두 모델의 역할 분담
제미나이 3.8 라이브는 대량 서비스에 투입하기 위한 효율형 모델에 가깝다. 근실시간으로 시각 입력을 처리해 화면이나 사물의 맥락을 대화에 반영하고, 97개 언어를 자동으로 감지해 대화 중간에 언어를 전환한다. 특히 도구 호출이나 API 요청을 백그라운드에서 실행하면서 대화는 끊지 않고 이어간다는 점이 특징이다. 사용자의 요청을 일단 말로 받아들인 뒤, 실제 작업은 뒤에서 처리하고 대화를 계속하는 구조다. 구글은 이 모델이 음성 에이전트 평가인 스피치 에이전트 아레나에서 2위를 기록했고 비용 효율이 높다고 밝혔다.
반면 익스텐디드 싱킹은 더 깊은 추론이 필요한 복잡한 업무를 겨냥한 상위 모델이다. 핵심은 '추론과 발화를 동시에' 수행한다는 점으로, '한번 확인해 볼게요' 같은 짧은 언어적 신호를 먼저 내보내 요청을 받았음을 알리고, 여러 단계로 이뤄진 백그라운드 작업의 진행 상황을 말로 중계한다. 사용자가 침묵 속에서 결과를 기다리는 대신, AI가 무엇을 하고 있는지 실시간으로 파악하게 만드는 설계다. 구글은 이 모델이 아티피셜 애널리시스의 음성-음성 품질 지수에서 82.6점으로 1위, 에이전트 작업 완수도를 측정하는 τ-Voice에서 68.6%, 시에라의 τ-Voice-banking에서 35.1%, 빅 벤치 오디오 추론에서 97.7%를 기록했다고 제시했다.
실무자가 주목할 지점
개발자와 기업 입장에서 이번 발표의 실질적 가치는 벤치마크 수치 자체보다 '프로덕션급 음성 에이전트를 구성할 부품'이 갖춰졌다는 데 있다. 백그라운드 작업 실행, 시각 맥락 인식, 다국어 자동 전환은 콜센터·온보딩 안내·현장 지원처럼 대화가 끊기면 안 되는 시나리오에서 특히 유효하다. 구글이 공개한 사례도 실시간 시각 정보를 활용한 신입사원 온보딩 안내, 손으로 그린 스케치와 음성 피드백을 리액트(React) 컴포넌트로 변환하는 작업, 다단계 예약과 비동기 함수 호출을 대화 중단 없이 조율하는 흐름 등 업무 자동화에 무게가 실려 있다.
연동 생태계도 함께 제시됐다. 실시간 미디어 스트리밍 인프라를 대신 관리해 주는 아고라, 피시잼, 랭체인, 라이브킷, 파이프캣, 버셀, 비전 에이전츠 같은 플랫폼이 제미나이 라이브 API를 지원하며, 세일즈포스·젠스파크·루메리스 등이 지연 시간과 도구 호출 능력에 관심을 보이는 파트너로 언급됐다. 개발자가 복잡한 실시간 미디어 처리를 직접 구현하지 않고 사용자 경험 설계에만 집중할 수 있도록 하려는 구도다. 워크스페이스에서는 독스 라이브, 지메일 라이브, 킵 라이브를 통해 익스텐디드 싱킹을 시험해 볼 수 있다.
남은 과제와 한계
다만 발표된 수치는 대부분 구글이 자체적으로 제시한 것이며, 일부 벤치마크는 제미나이 엔터프라이즈 에이전트 플랫폼의 라이브 API 환경에서 측정됐다는 단서가 붙어 있다. 실제 서비스 환경에서 경쟁 모델과 어떻게 비교되는지, 그리고 '경쟁력 있는 가격'이라는 표현이 구체적으로 어떤 단가를 뜻하는지는 이번 공개 내용만으로는 확인하기 어렵다. 도입을 검토하는 팀이라면 자사 워크로드에 맞춘 실측이 필요한 대목이다.
안전장치로는 AI가 생성한 모든 음성에 비가청 워터마크인 신스아이디(SynthID)가 삽입돼, 생성물이 사후에 편집되더라도 AI 산출물로 탐지될 수 있도록 했다. 음성 합성 품질이 사람과 구분하기 어려운 수준으로 올라올수록 이런 출처 표시의 실효성은 더 중요해진다. 종합하면 이번 모델은 '묻고 답하는 비서'에서 '말하는 동안 생각하고 일하는 협업 상대'로 음성 AI의 상호작용 방식을 옮기려는 시도이며, 그 설계 의도가 현장의 복잡한 업무에서 얼마나 안정적으로 작동하는지가 실제 채택을 가를 관건이 될 것이다.