음성 에이전트를 위한 Gemini 3.1 Flash Live

Gemini 3.1 Flash Live: 에이전트를 위한 실시간 음성 AI

Google이 Gemini 3.1 Flash Live를 소개했습니다 — 실시간 음성 및 시각 에이전트를 위한 모델입니다. Google AI Studio의 Live API를 통해 프리뷰로 이용 가능합니다. Gemini 2.5 Flash Native Audio에 비해 지연 시간이 줄고, 안정성이 향상되며, 대화의 자연스러움이 강화되었습니다.

모델은 배경 소음을 효과적으로 필터링합니다: TV, 거리 교통 소음, 또는 다른 간섭이 사용자 음성 인식을 방해하지 않습니다. 예상치 못한 대화 전환 중에도 맥락을 유지하고 지시를 정확히 따릅니다. 90개 이상의 언어 지원으로 멀티모달 대화가 가능합니다. 음향 특징 인식 개선: 억양, 말하기 속도, 악센트.

제품 및 통합에서의 응용

개발자들이 이미 실제 시나리오에서 모델을 테스트 중입니다:

• Stitch (Google): 디자인 인터페이스를 위한 음성 제어. 에이전트가 캔버스를 분석하고 레이아웃을 비평하며 대안을 제안합니다.
• Ato: 노인을 위한 동반 기기. 다국어 지원을 활용해 자연스러운 소통을 합니다.
• Wit's End (Weekend studio): 던전 마스터가 있는 RPG. 모델이 실시간으로 연극적인 대사를 생성합니다.

이 사례들은 최소 지연 시간과 생생한 대화가 중요한 작업에 초점을 맞춘 것을 보여줍니다.

작업별 Gemini 라인업의 세분화

Google은 모델을 계속 전문화하고 있습니다:

• Flash-Lite: 저비용 대량 작업에 최적화.
• Flash: 속도와 품질의 균형.
• Flash Live: 제로 지연과 높은 자연스러움을 우선하는 음성 에이전트.

이러한 세분화로 개발자들이 배치 처리부터 상호작용 대화까지 특정 요구에 맞는 모델을 선택할 수 있습니다: 중/고급 전문가에게는 음성 + 시각의 멀티모달 입력으로 에이전트를 구축하는 문을 열어줍니다.

Live API를 통한 통합으로 프로토타이핑이 간단해집니다: 오디오/비디오 스트림 연결, 도메인별 에이전트를 위한 프롬프트 사용자 지정. 모델은 불완전한 입력 조건을 처리하며, 모바일 및 임베디드 앱에 이상적입니다.

주요 포인트

• 2.5 Flash Native Audio에 비해 대화 지연이 대폭 줄음.
• 소음 필터링으로 실제 시나리오에서 안정성 보장.
• 음향 뉘앙스 강조와 함께 90+ 언어.
• 통합 예시: 디자인, 동반자, 게임.
• 타겟 작업을 위한 Gemini 세분화 전략의 일부.

— Editorial Team