Google 공식 로고
발행 2026-09-25
Google 공식 로고
Google은 Gemini 3.8 Live의 음성 대화에 입 모양과 표정을 맞추는 실시간 영상 아바타를 결합해 Gemini Enterprise에 출시했습니다. 아바타가 대화를 이어가는 동안 외부 도구로 정보를 조회할 수 있고 97개 언어에 맞춰 표현을 바꾼다는 점에서, 기업의 상담·안내 화면을 음성 중심에서 시청각 상호작용으로 넓히는 변화입니다.
배경부터 이해하기 Gemini 3.8 Live는 사용자의 말이나 화면 정보를 받아 즉시 대화하도록 설계된 모델입니다. 여기에 쓰이는 ‘에이전트’는 질문에 답하는 데 그치지 않고, 필요한 도구를 호출해 조회나 업무를 수행하는 AI 프로그램을 뜻합니다.
사람의 대화에는 목소리뿐 아니라 시선, 표정, 입 모양도 포함됩니다. 여러 형태의 정보를 함께 처리하는 방식을 ‘멀티모달’이라고 합니다. 이번 기능은 음성과 영상을 결합해 기업용 에이전트가 화면 속 인물의 모습으로 반응하도록 만든 것입니다.
무엇이 바뀌었나 Live Avatar는 사용자가 말하고 보여주는 내용을 거의 실시간으로 처리한 뒤, 음성과 움직이는 인물 영상을 함께 생성합니다. Google은 자연스러운 표정과 대화 순서 전환, 음성에 맞는 입 모양을 지원한다고 설명했습니다. 미리 준비된 여러 아바타가 제공되며, 기업은 고품질 기준 이미지로 브랜드나 캐릭터의 외형을 반영한 아바타도 만들 수 있습니다.
비동기 도구 호출도 지원합니다. 이는 예약 시스템이나 고객 데이터 같은 외부 도구에서 정보를 가져오는 동안 아바타가 대화를 멈추지 않는 방식입니다. Google은 97개 언어 사이를 대화 도중 전환해도 입 모양과 표정이 적응하며 영상 품질 저하나 움직임 이탈이 발생하지 않는다고 주장합니다. 생성된 음성과 영상에는 AI 제작물임을 판별하도록 돕는 SynthID 워터마크가 삽입됩니다.
왜 중요한가 기존의 음성 상담 화면에서는 시스템이 정보를 조회하는 동안 침묵하거나 사용자가 처리 결과를 기다려야 할 수 있습니다. 백그라운드 조회와 지속적인 대화를 결합하면, 아바타가 진행 상황을 설명하거나 추가 질문을 받으면서 업무를 처리하는 인터페이스를 만들 수 있습니다.
표정과 입 모양이 언어에 맞춰 움직이면 호텔 안내, 제품 설명, 고객 지원처럼 화면을 보며 대화하는 업무에 활용할 여지가 생깁니다. 다만 시각적 인물이 추가된다고 답변의 정확성까지 자동으로 높아지는 것은 아닙니다. 기업은 연결한 도구의 권한, 잘못된 안내에 대한 검토 절차, 이용자에게 AI임을 알리는 방식을 별도로 설계해야 합니다.
실제로 어떤 의미인가 활용 예시: 호텔이 화면형 체크인 안내원을 만든다고 가정할 수 있습니다. 이전에는 음성 봇이 예약 시스템을 조회하는 동안 대화가 끊길 수 있지만, Live Avatar를 적용하면 아바타가 투숙객과 계속 대화하면서 백그라운드에서 예약 정보를 확인할 수 있습니다. 사용자가 중간에 언어를 바꾸면 해당 언어의 음성에 맞춰 입 모양과 표정을 바꾸고, 조회가 끝나면 객실이나 체크인 절차를 설명하는 흐름입니다. 이는 기능을 설명하기 위한 가정한 예시이며, 특정 호텔에서의 성능이 검증됐다는 뜻은 아닙니다.
사용·공개 범위 2026년 9월 24일 발표 시점부터 Gemini Enterprise에서 이용할 수 있다고 Google이 밝혔습니다. 개발자는 문서에 안내된 API, 즉 다른 소프트웨어가 이 기능을 호출하도록 연결하는 규칙을 통해 시작할 수 있습니다. 기준 이미지로 맞춤형 아바타를 만드는 기능은 Google이 별도로 허용 목록에 올린 기업에만 제공됩니다. 지원 지역, 구체적인 이용 요금, 사용량 제한은 제공된 원문에서 확인되지 않습니다.
확인할 점 지연 시간의 구체적인 수치와 97개 언어 각각의 품질 측정 결과는 공개되지 않았습니다. 언어 전환 시 영상 품질이 떨어지지 않는다는 설명도 Google의 자체 주장입니다. SynthID는 AI 생성물의 판별을 돕는 장치이지만, 원문은 탐지 성공률이나 악용 방지 효과를 수치로 제시하지 않았습니다. 실제 결과는 연결한 업무 시스템, 네트워크 상태, 기준 이미지와 대화 환경에 따라 달라질 수 있습니다.
용어 풀이 멀티모달: 음성, 영상, 글처럼 서로 다른 형태의 정보를 함께 받아들이고 만들어 내는 방식입니다. 에이전트: 대화뿐 아니라 도구 호출과 정보 조회 등 정해진 업무를 수행하는 AI 프로그램입니다. API: 한 소프트웨어가 다른 소프트웨어의 기능을 정해진 형식으로 호출하는 연결 규칙입니다.
출처: Google DeepMind · 발행 2026-09-25T00:30:00+09:00