구글이 실시간 음성-텍스트 변환 모델 'Gemini 3.5 Transcribe'를 공개했습니다. 85개 이상 언어를 자동 인식하며, '음...' 같은 군더더기 표현을 제거하고 실언(말실수)을 자동 교정한 뒤 텍스트를 스스로 포맷팅합니다. 스트리밍 기준 단어 오류율 4.0%, 녹음 기준 2.6%를 기록했고 이전 모델인 Chirp 3 대비 지연시간이 70% 낮아졌습니다.
YC S26 배경 스타트업 Speko가 OpenRouter의 음성 AI 버전을 출시했습니다. 모든 음성 모델(STT·LLM·TTS·음성간 변환)을 언어별·목적별 벤치마크 데이터에 기반해 하나의 API로 라우팅해줍니다. OpenAI 호환 API를 제공해 LiveKit, Pipecat 등 기존 프레임워크에서 호스트명만 바꾸면 바로 사용할 수 있다는 점이 핵심입니다.
오픈AI가 사전 녹음 및 실시간 음성 인식에 특화된 두 가지 새로운 모델, GPT Transcribe와 GPT Live Transcribe를 API를 통해 공개했습니다. 전작 대비 전사 속도와 단어 오류율(WER)이 개선되고 가격이 인하되었지만, ElevenLabs나 구글 등 경쟁사의 오류율 기준에는 여전히 미치지 못합니다. 특히 미스트랄은 분당 0.003달러라는 저렴한 가격으로 시장 공략을 강화하고 있어 AI 음성 전사 시장의 경쟁이 더욱 치열해지고 있습니다.