섹션별 상세
Gemini 2.5 Flash Native Audio는 실시간 음성 에이전트의 핵심인 함수 호출 성능을 크게 개선했다. ComplexFuncBench Audio 평가에서 71.5%의 점수를 기록하며, 대화 흐름을 끊지 않고 외부 정보를 정확히 가져와 응답에 반영하는 능력을 입증했다.
모델의 지시사항 준수율(Instruction Following)이 기존 84%에서 90%로 향상되어 복잡한 워크플로우 처리가 더욱 정교해졌다. 이는 개발자가 설정한 제약 사항 내에서 모델이 더 일관된 결과물을 생성하도록 돕는다.
다회차 대화(Multi-turn conversation)의 맥락 유지 능력이 강화되어 이전 대화 내용을 더 효과적으로 검색하고 활용한다. 이를 통해 사용자는 AI와 더욱 응집력 있고 자연스러운 대화를 이어갈 수 있다.
구글 번역 앱에 베타로 출시된 실시간 음성 통역 기능은 화자의 억양, 속도, 피치를 보존하는 스타일 전이 기술을 적용했다. 70개 이상의 언어와 2,000개 이상의 언어 쌍을 지원하며 소음이 많은 환경에서도 안정적인 성능을 보여준다.
Shopify, United Wholesale Mortgage, Newo.ai 등 실제 기업들이 Gemini의 네이티브 오디오 기능을 도입하여 고객 서비스 에이전트와 대화형 지능 시스템의 성능을 개선하고 있다.
용어 해설
- 네이티브 오디오(Native Audio)
- — 오디오 데이터를 텍스트로 변환하는 중간 단계 없이 모델이 직접 소리를 이해하고 생성하는 방식이다. 이를 통해 지연 시간을 최소화하고 화자의 억양, 감정, 속도와 같은 비언어적 정보를 보존할 수 있어 훨씬 자연스러운 음성 상호작용이 가능하다.
- 함수 호출(Function Calling)
- — LLM이 대화 맥락에 따라 외부 도구나 API를 실행해야 할 시점을 판단하고 필요한 매개변수를 생성하는 기능이다. 실시간 정보 검색이나 외부 시스템 제어가 필요한 에이전트 구축의 핵심 기술로 활용된다.
- 지시사항 준수(Instruction Following)
- — 모델이 사용자가 부여한 복잡한 제약 조건이나 워크플로우 가이드를 얼마나 정확하게 이행하는지를 나타내는 능력이다. 준수율이 높을수록 개발자가 의도한 대로 모델이 동작하며 예외 상황에서도 안정적인 출력을 제공한다.
- 스타일 전이(Style Transfer)
- — 한 데이터의 특징(스타일)을 다른 데이터에 적용하는 기술이다. 음성 통역 맥락에서는 원본 화자의 목소리 톤, 피치, 억양 등을 번역된 음성에도 그대로 반영하여 이질감을 줄이는 역할을 한다.
- 다회차 대화(Multi-turn Conversation)
- — 일회성 질의응답을 넘어 이전 대화의 맥락과 정보를 기억하며 연속적으로 이어지는 상호작용이다. 맥락 유지 능력이 높을수록 사용자가 이전에 언급한 내용을 다시 설명할 필요가 없어 대화의 효율성이 높아진다.
기술
- Gemini 2.5 Flash
- Vertex AI
- Google AI Studio
- Gemini API
활용 사례
- 실시간 고객 서비스 음성 에이전트
- 다국어 실시간 음성 통역 서비스
- 음성 기반 비즈니스 워크플로우 자동화
- 지능형 AI 리셉셔니스트
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2025. 12. 13.수집 2026. 02. 21.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
