Gemini 3.8 Live vs Sesame Preview: 감탄하게 되는 목소리 vs 전화를 걸 수 있는 목소리

Sesame의 음성 에이전트는 "인간처럼 들림" 항목에서 5점 만점에 4.5점을 받습니다. Gemini 3.8 Live는 4.0점입니다. 또한 Sesame은 예약 흐름의 71%를 완료하는 반면 Gemini 3.8 Live는 78%를 완료하며, Sesame은 함수 호출 오류를 대략 두 배의 비율로 발생시킵니다. 예약을 받는 사업을 위해 음성 스택을 선택한다면, 더 좋게 들리는 모델이 지게 됩니다 — 그리고 그것은 소리가 얼마나 좋은지와 아무 관련이 없는 이유들 때문에 지게 됩니다.

이 수치들은 예약 스크립트를 사용해 모델당 1,500건의 고객 통화를 대상으로 진행된 제3자 직접 비교 실행에서 나온 것이며, 중요한 두 가지 단서가 붙어 있습니다. 이는 우리 것이 아니고 독립적으로 재현된 것도 아니며, Gemini 쪽은 이 기사에서 다루는 모델이 아니라 2026년 초의 Gemini Live 세대를 사용했습니다. Gemini 3.8 Live는 2026년 9월 15일 구글이 내놓은 음성 대 음성(speech-to-speech) 모델로, 현재 Live API에서 사용할 수 있습니다. Sesame Preview는 Sesame의 소비자용 음성 비서로, 2026년 5월부터 iOS에서, 2026년 8월 초부터는 안드로이드 전반에서 무료로 제공되며, Maya, Miles, Simone, Charlie라는 네 명의 이름 붙은 에이전트를 중심으로 만들어졌고, 사람이 대화해 본 음성 비서 중 가장 사람처럼 들린다는 평가를 널리 받고 있습니다.

이 대결은 사실 모델 대 모델이 아니다. 그것은 실제 프로덕션에 투입할 수 있는 제품과, 방문만 할 수 있는 경험의 맞대결이다.

각 사물의 모양

Gemini 3.8 Live는 개발자용 표면입니다. 이는 gemini-3.8-live와 gemini-3.8-live-extended-thinking로 Live API에서 제공되며, 가격은 오디오 입력 분당 $0.005, 출력 분당 $0.018이고, 텍스트는 백만 토큰당 $0.75 및 $4.50, 이미지 또는 비디오 입력은 백만당 $1.00입니다. 대화 중 전환을 지원하며 97개 언어를 처리하고, 시각 입력을 거의 실시간으로 처리하며, 대화가 계속되는 동안 백그라운드에서 도구 및 API 호출을 실행하고, 생성된 오디오의 매초에 SynthID 워터마크를 삽입합니다. Extended Thinking 변형은 추론과 발화를 동시에 수행하며, 긴 작업 중에도 통화가 침묵하지 않도록 진행 상황을 음성으로 설명합니다. Google이 밝힌 벤더 보고 기준 순위는 Speech Agent Arena에서 2위이며, 이 제품군은 Artificial Analysis의 Speech to Speech Quality Index에서 82.6으로 1위입니다. Google의 수치이며, 이번 주 기준, 재현되지 않았습니다.

Sesame Preview는 소비자용 앱입니다. 영어만 지원합니다. 통화에는 30분 제한이 있으며, 로그아웃 상태에서는 5분으로 줄어듭니다. 이 앱의 에이전트는 세션 전반에 걸쳐 맥락을 유지하고, 웹을 검색하며, 알림을 설정하지만, 예약하거나 구매하거나 서류를 제출하지는 않습니다. 엔터프라이즈 등급도 없고 공개된 가격 책정도 없습니다.

둘 다 사람들이 더 이상 의식하지 않을 정도로 말 주고받기가 자연스러운 전이중 대화 시스템이다. 공통점은 거기까지다.

우리가 가진 유일한 직접 맞대결이 실제로 보여주는 것

CallSphere 비교는 예약 흐름 스크립트를 대량으로 실행하고 모델별로 네 가지 수치를 보고했다. 완료율에서는 Gemini Live가 예약의 78%를 완료했고 Sesame Maya는 71%였다. 함수 호출 오류에서는 Gemini Live가 3.3%를 기록했고 Maya는 6.7%였다. p95 지연 시간에서는 Maya가 더 빨랐다 — 480ms 대 640ms. 그리고 주관적 지표인 "인간처럼 들림"은 1~5점으로 평가되었는데, Maya가 4.5를 받아 Gemini Live의 4.0과 대비됐다.

그것들을 함께 읽으면 단일 행에서는 보이지 않는 패턴이 나타난다. Sesame는 사람이 알아차리는 두 행에서는 이기고, 비즈니스가 알아차리는 두 행에서는 진다. 자연스러움과 지연 시간은 통화자가 느끼는 것이고, 완료율과 오류율은 정산에서 드러나는 것이다. 사람처럼 들리지만 예약 플로우에서 15건 중 1건의 통화를 끊어버리는 음성은 더 나은 보이스 에이전트가 아니다 — 더 나은 데모일 뿐이다.

두 가지 솔직한 주의점이 있습니다. 이 비교는 동료 검토를 거친 평가가 아니라 한 업체의 블로그이며, 단일 스크립트 유형에 대해 모델당 1,500회 호출한 것은 협소한 일부에 불과합니다. 게다가 Gemini 수치는 2026년 초에 출시되는 Gemini Live의 세대를 설명하는 것으로, 이는 3.8 Live보다 최소 한 모델 전체만큼 뒤처져 있습니다. 그 수치를 Gemini 3.8 Live에 적용하는 것은 추측일 뿐입니다. 3.8 모델이 포함된 직접 비교를 발표한 사람은 아무도 없습니다.

거의 모든 기사가 잘못 짚는 부분

Sesame의 음성을 칭찬하는 모든 글은 그 앱을 칭찬하는 것이고, 그 앱의 음성은 Sesame이 API로 한 번도 공개한 적 없는 더 크고 비공개된 프로덕션 모델이다. 그것을 구매하거나, 라이선스하거나, 호출할 방법은 없다. Sesame의 대화 타이밍이 시장에서 최고라는 글을 읽고 그것을 가질 수 있다고 결론 내렸다면, 그 결론은 증거에서 따라 나오지 않는다.

세서미가 실제로 오픈소스로 공개한 것은 CSM-1B입니다. Moshi 제품군에서 Apache-2.0 라이선스로 공개된 1B 대화형 음성 모델 변형이죠. 이는 어시스턴트가 아니라 합성 블록입니다. Llama 백본이 첫 번째 Mimi 코드북을 예측하고 더 작은 Llama 디코더가 나머지를 예측하면, Mimi 코덱이 이를 24 kHz 파형으로 변환합니다. 영어 전용이며, 깨끗한 10~15초 분량의 참조 클립으로 음성을 복제하고, 텍스트 생성은 전혀 할 수 없습니다. 별도의 언어 모델과 함께 사용해야 하죠. 두 가지를 모두 실행해 본 사람들은 CSM-1B의 음성이 Preview 앱의 음성보다 확연히 약하다고 말합니다. 단일 서드파티 제공업체를 통해 100만 자당 7달러, 오디오 1시간당 약 0.35달러에 호스팅으로 이용할 수 있으며, 직접 호스팅하면 무료입니다.

모델 카드는 속으로만 생각하던 부분을 대놓고 말한다: CSM의 파인튜닝된 변형이 대화형 음성 데모를 구동하며, 이는 다운로드할 수 있는 체크포인트가 아니다. 그래서 "Sesame vs Gemini"의 솔직한 버전은 이렇다: Sesame에는 접근할 수 없는 아름다운 폐쇄형 음성이 있고, 접근할 수 있는 작은 오픈 합성 블록도 있으며, 이 둘은 같은 것이 아니다. Google에는 호출할 수 있는 모델이 하나 있고, 그것이 바로 그들이 광고하는 모델이다. 그 비대칭성은 빌더에게 어떤 자연스러움 점수보다 더 가치가 있다.

사양 대비

• 얻을 수 있는 것 — 오늘 바로 호출 가능한 API인 Gemini 3.8 Live vs 자사 프로덕션 음성용 API가 없는 무료 소비자 앱 Sesame Preview

• 프로덕션 음성 라이선싱 가능 — Gemini 3.8 Live 예, 분당 과금 vs Sesame Preview 아니오, 출시된 적 없음

• 오픈 아티팩트 — Gemini 3.8 Live 없음, 클로즈드 vs Sesame Preview CSM-1B, Apache-2.0, 다르고 더 약한 모델

• 언어 — Gemini 3.8 Live 97 vs Sesame Preview 영어만

• 도구 호출 — Gemini 3.8 Live는 대화 중 백그라운드 도구 및 API를 호출하는 반면, Sesame Preview 에이전트는 맥락을 기억하고 웹을 검색하지만 작업을 실행하지는 않음

• 세션 제한 — Google이 공개하지 않은 Gemini 3.8 Live vs Sesame Preview 30분, 로그아웃 상태에서는 5분

• 자연스러움 — Gemini 3.8 Live는 이 축에서 측정되지 않았고, Sesame Preview는 청취 인상에서 동급 최고로 평가되었지만, 어느 쪽에 대해서도 독립적인 벤치마크는 없음

• 지연 시간 — Gemini 3.8 Live는 미공개, Sesame Preview는 Maya 기준 종단 간 250–450ms, 스트리밍 첫 바이트 300ms 미만(제3자 측정 기준)

• 엔터프라이즈 경로 — Gemini Enterprise의 Gemini 3.8 Live 프라이빗 프리뷰, Customer Experience에 곧 출시 vs Sesame Preview 없음

• 명시된 방향 — Agora, LiveKit, Pipecat, Fishjam 등과의 Gemini 3.8 Live Live API 통합 vs 2027년 예정된 Sesame Preview 연구 파트너십 및 안경 하드웨어

자연스러움 행은 사람들이 논쟁하는 항목인데, 그게 무엇을 말하는지 보라: 어느 모델도 얼마나 사람처럼 들리는지에 대한 독립적인 벤치마크를 갖고 있지 않다. 존재하는 것은 청취자들에게 칭찬받는 Sesame의 앱과 아레나에서 2위를 차지한 Google뿐이다. 이 둘은 같은 측정이 아니며, 적어도 아레나에는 방법론이 있다.

자연스러움이 운영상 치르는 대가

실수는 자연스러움을 추가하는 기능으로 취급하는 데 있다. 그것은 당신이 하는 맞바꿈이며, 그 맞바꿈은 대개 도구 신뢰성을 희생하는 쪽이다 — 왜냐하면 목소리를 인간처럼 들리게 하는 행동들, 즉 머뭇거림, 겹쳐 말하기, 문장 중간에 양보하려는 태도는 함수 호출의 엄격한 문법보다는 운율과 턴테이킹에 용량을 쓰는 모델에 의해 만들어지기 때문이다. 그것이 6.7% 대 3.3% 오류율 뒤에 있는 메커니즘이며, 한 연구소가 엔지니어링을 더 잘한다는 어떤 주장보다 훨씬 그럴듯하다.

그것은 또한 아무도 예산에 잡아두지 않는 인프라 비용을 수반한다. 사람처럼 들리는 목소리는 기대치를 높이고, 상대가 사람이라고 믿는 발신자는 “못 들었어요”라는 말을 연달아 두 번은 참지 못한다. Sesame 자체의 30분 제한은 이런 종류의 모델을 지속적으로 실행하기에 비용이 많이 든다는 조용한 인정이다 — Google이 3.8 Live에 대해 공개하지 않은 제한이며, 이는 그러한 제한이 존재하지 않는다는 말과 같지 않다.

어떤 것이 당신의 스택에 어울리나요?

음성이 목적을 위한 수단일 때 Gemini 3.8 Live를 선택하세요: 일정 예약, 트리아지, 지원 등 발신자가 결과를 원하는 모든 상황에서요. 오늘 바로 사용할 수 있는 API, 공개된 요금, 백그라운드에서 실행되는 도구 루프, 97개 언어, 그리고 필요하다면 엔터프라이즈 경로까지 제공합니다.

Sesame Preview는 대화 품질이 어떤 느낌이어야 하는지 공부할 때, 또는 통화 자체가 제품인 소비자 경험을 만들 때 선택하세요. 무료이고, 실제로 이용 가능한 것 중 가장 소리가 좋으며, 자신의 취향을 보정하기에 좋은 곳입니다. 이를 기반으로 프로덕션 통합을 계획하지는 마세요. 연동할 대상이 없기 때문입니다.

진지하게 운영하는 대부분의 팀은 결국 하이브리드 구조에 도달하게 되고, 바로 그 하이브리드에서 라우팅은 선택 사항이기를 그칩니다. 지연 시간과 따뜻함이 체감되는 첫인사와 확인 턴에는 자연스럽게 들리는 모델을, 오류가 곧 예약 손실로 이어지는 트랜잭션 턴에는 도구를 안정적으로 다루는 모델을 배치하세요. OrcaRouter는 바로 이런 형태의 스택을 위해 만들어졌습니다. 모델 퓨전은 단일 모델의 판단만으로 충분하지 않을 때 여러 모델이 함께 답할 수 있게 하고, 라우팅 DSL은 여러 모델을 하나의 호출로 구성하며, 페일오버는 재배포 없이 문제를 일으키기 시작한 모델에서 트래픽을 옮깁니다. 벤더가 요금을 공개하는 경우, 저희는 공급자 정가를 마진 없이 그대로 전달하므로 가격 인하가 같은 날 청구서에 반영됩니다.

주목할 점: Sesame의 프로덕션 음성용 API, 또는 아레나가 품질을 측정하는 방식으로 자연스러움을 측정하는 벤치마크. 둘 중 하나만 있어도 이것은 접근성과 경험 사이의 선택에서 실제 비교로 바뀔 것이다. 그때까지는 이 모델들 중 하나는 호출할 수 있고 다른 하나는 감탄만 할 수 있으며, 그 사실이 어떤 점수보다 더 빠르게 판가름한다.

진지한 팀 대부분은 결국 하이브리드 구성에 도달하게 되고, 바로 그 하이브리드에서 라우팅은 선택 사항이기를 그치게 됩니다. 지연 시간과 따뜻함이 체감되는 도입부와 확인 응답 턴에는 자연스럽게 들리는 모델을, 오류가 곧 예약 손실로 이어지는 트랜잭션 턴에는 도구를 안정적으로 다루는 모델을 배치하세요. OrcaRouter는 바로 그런 형태의 스택을 위해 만들어졌습니다 - 모델 퓨전은 단일 모델의 판단이 충분히 좋지 않을 때 여러 모델로 구성된 패널이 함께 답하도록 해주고, 라우팅 DSL은 여러 모델을 하나의 호출로 조합하며, 페일오버는 문제를 일으키기 시작한 모델에서 재배포 없이 트래픽을 옮깁니다.