구글이 3월 26일(현지 시간) 공개한 Gemini 3.1 Flash Live는 “역대 가장 자연스러운 음성 모델”이라고 발표했습니다. Big Bench Audio 벤치마크에서 95.9%를 기록했고, Search Live를 통해 200개국에 동시 확대됐습니다. 그런데 정작 실시간 대화 품질을 재는 AudioMultiChallenge에서는 36.1%에 그쳤습니다. 숫자가 크게 엇갈리는 이유가 있습니다.
🌍 200개국 동시 출시
70개 언어 지원
Gemini 3.1 Flash Live가 뭔지 30초 정리
Gemini 3.1 Flash Live는 구글이 2026년 3월 26일 공개한 실시간 음성·영상 대화 전용 AI 모델입니다. 이름에 “Flash”가 붙어 있지만, 경량 모델이 아닙니다. 공식 모델 카드에는 “Gemini 3 Pro 기반으로 구축됐다”고 명시돼 있습니다. (출처: DeepMind Gemini 3.1 Flash Live Model Card, 2026.03.26)
이 모델이 탑재되는 곳은 크게 세 군데입니다. 개발자용으로는 Google AI Studio(ai.studio/live)와 Gemini Live API, 기업용으로는 Gemini Enterprise for Customer Experience, 일반 사용자용으로는 Gemini Live와 Search Live입니다. 즉, 지금 당장 별도 설정 없이 구글 앱에서 ‘Live’ 버튼 하나만 눌러도 이 모델을 쓸 수 있습니다.
핵심 특징을 한 문장씩 꼽으면 이렇습니다. 70개 언어 실시간 지원, WebSocket 기반 저지연 스트리밍, 음성 중단(barge-in) 허용, 감정적 뉘앙스(피치·속도) 인식, 배경 소음 필터링 강화입니다. 기존 2.5 Flash Native Audio 대비 대화 컨텍스트 유지 시간이 2배 길어졌다고 구글은 공식적으로 밝혔습니다. (출처: 구글 공식 블로그, 2026.03.26)
벤치마크 수치가 크게 엇갈리는 이유
구글 공식 발표에서 가장 눈에 띄는 숫자는 Big Bench Audio 95.9%입니다. Artificial Analysis가 “High” 사고 모드로 측정한 결과이며, 1위인 Step-Audio R1.1 Realtime(97.0%)에 이어 전체 2위를 기록했습니다. 이 수치만 보면 “역대 최고 음성 AI”라는 말이 맞아 보입니다. (출처: Artificial Analysis, The Decoder, 2026.03.26)
💡 공식 발표 수치와 실제 대화 성능을 같이 놓고 보면 이런 차이가 보였습니다
Big Bench Audio는 단발성 오디오 질문에 답하는 능력을 측정합니다. 반면 AudioMultiChallenge는 망설임·중단·장기 대화 중 지시 추적 등 실제 대화 상황을 시뮬레이션합니다. 두 벤치마크는 측정하는 대상이 다릅니다.
Scale AI의 AudioMultiChallenge 벤치마크에서 Gemini 3.1 Flash Live의 점수는 36.06%입니다. “사고(thinking)” 모드를 켠 상태에서도 이 수치입니다. 대화형 모델 중에서는 1위이지만, 비대화형 모델(텍스트 기반)이 같은 테스트에서 50% 이상을 기록하는 것과 비교하면 여전히 낮은 수준입니다. (출처: Ars Technica, 2026.03.26)
직접 계산해볼 수 있는 차이입니다. Big Bench Audio와 AudioMultiChallenge의 점수 격차는 약 59.8%포인트(95.9 − 36.1)입니다. 단발 질문에서는 거의 완벽하게 작동하지만, 실제 대화의 맥락을 따라가는 능력은 아직 절반에도 미치지 못한다는 뜻입니다.
| 벤치마크 | 점수 | 측정 방식 |
|---|---|---|
| Big Bench Audio (High) | 95.9% | 단발성 오디오 질문 응답 |
| Big Bench Audio (Minimal) | 70.5% | 응답시간 0.96초 (빠른 모드) |
| ComplexFuncBench Audio | 90.8% | 다단계 함수 호출 능력 (대화형 1위) |
| AudioMultiChallenge | 36.1% | 실제 대화 맥락·망설임 처리 |
(출처: Artificial Analysis, Scale AI, Google 공식 블로그, 2026.03.26)
Flash라는 이름인데 사실은 Pro 기반입니다
구글의 Gemini 모델 라인업에서 “Flash”는 보통 경량·고속 버전을 뜻합니다. 그래서 많은 사람이 Gemini 3.1 Flash Live를 가벼운 모델이라고 생각합니다. 막상 공식 모델 카드를 열어보면 다릅니다. 아키텍처와 학습 데이터 모두 “Gemini 3 Pro 기반(based on Gemini 3 Pro)“이라고 명시돼 있습니다. (출처: DeepMind Gemini 3.1 Flash Live Model Card, 2026.03.26)
달라진 점은 특화 방향입니다. 텍스트 범용 추론에서 실시간 음성·영상 스트리밍으로 최적화 방향을 틀었습니다. 입력은 16kHz 16-bit PCM 오디오, JPEG(초당 1프레임 이하), 텍스트를 동시에 받고, 출력은 24kHz 16-bit PCM 오디오로 내보냅니다. 컨텍스트 창은 입력 128K, 출력 64K 토큰입니다. (출처: Google AI Developer Docs, Gemini Live API, 2026.03.26)
이것이 중요한 이유는 가격과 연결됩니다. Gemini 3 Pro는 API 가격이 상당히 높지만, Flash Live는 오디오 입력 기준 시간당 $0.35, 출력 $1.40으로 책정됐습니다. 같은 Pro 기반 아키텍처를 쓰면서 음성 최적화 버전으로 가격을 낮춘 구조입니다. (출처: The Decoder, 2026.03.26)
Search Live 200개국 확대와 Flash Live는 같은 날 출시된 이유
구글이 3월 26일 동시에 발표한 내용이 두 가지입니다. Gemini 3.1 Flash Live 출시, 그리고 Search Live의 200개국 이상 글로벌 확대입니다. 이 두 가지가 같은 날 묶여서 나온 것은 우연이 아닙니다. Search Live 자체가 Gemini 3.1 Flash Live를 엔진으로 탑재한 기능이기 때문입니다.
💡 두 발표가 같은 날 나온 배경을 공식 문서와 실제 흐름으로 비교해 보니 이렇게 보였습니다
Search Live는 구글 AI 모드(AI Mode)가 지원되는 모든 지역에서 동작하고, AI 모드의 실시간 대화 엔진이 바로 Flash Live입니다. 즉, Search Live의 200개국 확대는 Flash Live 없이는 불가능한 출시였습니다.
사용 방법은 단순합니다. Android 또는 iOS 구글 앱을 열고 검색창 하단의 ‘Live’ 아이콘을 탭하면 바로 시작됩니다. 한국어를 포함한 70개 언어로 실시간 대화가 가능하며, 카메라를 켜면 눈앞의 사물을 인식해 맥락에 맞는 답변을 내놓습니다. 구글 렌즈를 이미 쓰던 사용자라면 화면 하단 ‘Live’ 탭 하나로 전환됩니다.
실제 활용 시나리오는 다양합니다. 집에서 식물 잎이 변색됐을 때 카메라로 비추며 원인을 묻거나, 전자기기 설치 중 케이블 연결 방법을 모르면 단자 쪽으로 카메라를 향하고 “이걸 어디에 꽂으면 되나요?”라고 말하면 됩니다. 구글 공식 블로그에서는 말차 라떼 만들기, 보드게임 추천, 과학 실험 설명 등을 예시로 들었습니다. (출처: 구글 공식 블로그 Search Live 한국어 페이지, 2026.03.26)
SynthID 워터마크가 붙은 것의 진짜 의미
💡 워터마크가 필요해졌다는 것 자체가 무언가를 말해줍니다
SynthID가 붙어야 할 만큼 이 모델의 음성이 사람과 구분하기 어려운 수준에 도달했다는 신호입니다. 구글 파트너사인 Verizon, Home Depot이 “더 자연스러운 대화 경험”을 확인했다고 공개 언급한 것도 같은 맥락입니다.
Ars Technica는 이 점을 직접 지적했습니다. “Gemini 3.1 Flash Live의 등장으로 AI와 대화하고 있다는 사실을 알아채기가 더 어려워질 수 있다.” 검색 상담 전화를 받을 때, 고객센터 AI를 경험할 때, 상대가 사람인지 AI인지 판별하기 어려운 상황이 늘어나는 것과 직결됩니다. 워터마크는 인간이 실시간으로 탐지하는 도구가 아니라 사후 검증용입니다. (출처: Ars Technica, 2026.03.26)
Mean Opinion Score(MOS) 평가에서 Gemini 3.1 Flash Live는 4.25점(5점 만점)을 받았습니다. 사람 청취자가 자연스러움을 1~5 척도로 평가하는 방식이며, 일반적으로 4.0 이상이면 “매우 자연스럽다”고 판정합니다. 4.25는 그 선을 넘긴 수치입니다. (출처: The Decoder에서 인용, 2026.03.26)
API 가격과 직접 써볼 수 있는 방법
일반 사용자라면 구글 앱의 Search Live나 Gemini 앱의 Gemini Live에서 별도 비용 없이 바로 쓸 수 있습니다. 다만 Gemini Live는 Gemini AI Plus(한국 월 11,000원) 이상 요금제에서 더 많은 사용량이 보장되며, 무료 사용자도 기본 접근은 가능합니다.
개발자·기업용 API 가격은 다음과 같습니다. 오디오 입력 $0.35/시간, 오디오 출력 $1.40/시간이며, 이전 세대인 Gemini 2.5 Flash Native Audio와 동일한 가격입니다. 성능은 올리면서 가격은 그대로 유지한 셈입니다. 비교 대상인 Step-Audio R1.1 Realtime은 입력이 더 저렴하지만 출력 비용이 높은 구조로, 사용 패턴에 따라 Flash Live가 더 유리할 수 있습니다. (출처: The Decoder, 2026.03.26)
🛠️ 지금 당장 써볼 수 있는 경로 3가지
- 일반 사용자 — 무료: Android/iOS 구글 앱 → 검색창 하단 ‘Live’ 아이콘 탭
- 일반 사용자 — Gemini 앱: Gemini Live 기능 (Gemini AI Plus 이상 권장)
- 개발자 — 무료 체험: Google AI Studio(ai.studio/live) → Preview 버전 무료 접근
자주 묻는 질문
Q1. Gemini 3.1 Flash Live는 한국에서도 바로 쓸 수 있나요?
Q2. Flash Live와 기존 Gemini Live(2.5 Flash)의 실제 차이는 뭔가요?
Q3. Big Bench Audio 95.9%인데 왜 AudioMultiChallenge는 36.1%인가요?
Q4. SynthID 워터마크가 있으면 AI인지 바로 알 수 있나요?
Q5. 개발자가 API로 사용하면 어느 정도 비용이 드나요?
마치며 — 좋은 모델이지만, 어떤 수치를 보느냐에 따라 평가가 달라집니다
다만 벤치마크를 고를 때는 조심해야 합니다. Big Bench Audio 95.9%와 AudioMultiChallenge 36.1%는 같은 모델의 수치이지만 가리키는 능력이 다릅니다. “역대 가장 자연스러운 음성 AI”라는 말은 단발 질문 정확도 기준이지, 실제 대화 중 맥락 처리 능력 기준이 아닙니다. 써보고 싶은 쪽은 구글 앱 Live 버튼 하나면 됩니다.
Flash Live는 이름은 가볍지만 내부는 Pro 기반입니다. 구글이 SynthID 워터마크를 붙인 것도 그만큼 사람 목소리에 가까워졌다는 신호로 읽힙니다. 앞으로 고객센터, 검색, 교육 영역에서 어떻게 바뀔지 지켜볼 필요가 있습니다.
본 포스팅 참고 자료
- 구글 공식 블로그 — 제미나이 3.1 플래시 라이브 출시 발표 (한국어)
https://blog.google/intl/ko-kr/company-news/technology/gemini-31-flash-live-kr/ - 구글 공식 블로그 — 서치 라이브 글로벌 확대 (한국어)
https://blog.google/intl/ko-kr/products/explore-get-answers/search-live-kr/ - DeepMind — Gemini 3.1 Flash Live 공식 모델 카드
https://deepmind.google/models/model-cards/gemini-3-1-flash-live/ - Google AI Developer Docs — Gemini Live API 공식 문서
https://ai.google.dev/gemini-api/docs/live - Ars Technica — Gemini 3.1 Flash Live 분석 기사 (2026.03.26)
https://arstechnica.com/ai/2026/03/… - The Decoder — 벤치마크·가격 정리 (2026.03.26)
https://the-decoder.com/gemini-3-1-flash-live-is-googles-most-natural-sounding-ai-voice-model-yet/
본 포스팅 작성 이후 서비스 정책·UI·기능이 변경될 수 있습니다.
최신 정보는 구글 공식 블로그 및 Google AI Developer 문서에서 직접 확인하세요.
본 포스팅은 공식 자료를 바탕으로 작성됐으며 구글과 공식 제휴 관계가 없습니다.
댓글 남기기