Qwen3.8-LiveTranslate vs Gemini 3.5 Live Translate: 하나는 숫자를 내놓고, 다른 하나는 지도를 내놓는다

두 주요 실시간 음성 번역 모델은 무엇을 기준으로 측정받을 의향이 있는지에 대해 서로 다른 입장을 보이는데, 그 불일치는 어떤 스펙 비교보다도 유용하다. Qwen3.8-LiveTranslate는 2026년 9월 19일 출시되었으며, 평균 지연 시간이 이전 세대의 2.8초에서 2.3초로 줄었다는 단 하나의 확실한 수치를 앞세운다. Gemini 3.5 Live Translate는 2026년 6월에 발표되었고 여전히 프리뷰 모델 ID를 달고 있는 이 회사의 음성 간 번역 모델로, 70개 이상의 언어, 자동 감지, 대화 중 전환, 그리고 이 회사의 Translate 및 Meet 앱과의 통합이라는 범위를 앞세운다. 한 회사는 책임을 물을 수 있는 지연 시간 수치를 공개했다. 다른 회사는 언어 수를 공개했다. 둘 중 하나를 선택해야 한다면, 그 둘이 서로 다른 종류의 약속이라는 점을 이해하는 것이 어느 목록이 더 긴지보다 중요하다.

목표에는 동의하지만 그 외에는 아무것도 동의하지 않는 두 아키텍처

두 모델 모두 같은 행동을 없애기 위해 존재한다: 문장을 다 말할 때까지 아무 말도 하지 않고 기다리는 턴 기반 번역기 말이다. 바로 그 멈춤이 기계 통역을 기계 통역처럼 느껴지게 만든다.

Qwen3.8-LiveTranslate는 Hybrid MoE 백본 위에 Interleave 아키텍처를 적용해 이를 구현합니다. 이는 오디오, 비디오, 원문 텍스트, 번역을 하나의 인과 시퀀스로 접어 넣는 Thinker 모듈과, 번역을 원 화자의 음색으로 재합성하는 Talker 모듈로 나뉩니다. 주장은 인식, 번역, 합성을 단일 시퀀스로 통합하면 3단계 파이프라인이 각 모듈 경계마다 치르는 지연과 의미 손실이 사라진다는 것입니다.

Gemini 3.5 Live Translate는 같은 엔드투엔드 입장을 반대 방향에서 취한다. Gemini 3 Pro를 기반으로 한 네이티브 오디오-투-오디오 모델로서, 별개의 ASR → MT → TTS 캐스케이드를 실행하기보다 Gemini Live API를 통해 지속적으로 스트리밍한다. 실제로는 지속적인 양방향 WebSocket을 유지하고, 100ms 오디오 청크를 위로 전송하며, 번역된 오디오 청크를 아래로 수신한다. 어느 모델도 예전 방식을 하지 않는다. 둘 다 이제 새로운 방식을 한다. 차이는 모두 이차적인 세부 사항에 있다.

지연 시간 비교는 겉보기처럼 무승부가 아니다

Google은 Gemini 3.5 Live Translate가 발화자보다 "몇 초 뒤처진다"고 설명한다. 이 모델에 대해 LAAL 수치나, 그 밖에 이름이 붙은 재현 가능한 지연 시간 지표를 공개한 적이 없다. Qwen은 2.3초를 공개하고 그것이 무엇을 의미하는지 정의했다.

이 비대칭은 흔히 "둘 다 약 2~3초"로 뭉뚱그려진다. 그런 해석은 두 회사 중 어느 쪽이 말한 어떤 내용으로도 뒷받침되지 않는다. 구글의 표현은 2초와도 양립하고 4초와도 양립한다. 회사는 그저 못 박히기를 거부했을 뿐이다. 오늘 실제로 할 수 있는 비교는 다음과 같다:

• 공개된 지연 시간 지표 — Qwen3.8-LiveTranslate: LAAL 2.3초, 공급업체 보고 기준. Gemini 3.5 Live Translate: 공개된 수치 없음.

• 독립적인 지연 시간 측정 — 두 모델 모두 해당 없음. 어느 제3자도 두 모델을 직접 맞대결로 비교한 결과를 발표한 적이 없습니다.

솔직한 결론은 지연 시간과 관련해 Qwen은 반증 가능한 주장을 했고 Google은 모호한 주장을 했다는 것입니다. 이는 투명성 측면에서 Qwen에 유리한 점 하나이며, 누군가 둘 다를 측정하기 전까지는 성능 측면에서 Qwen에 유리한 점은 정확히 0입니다. 지연 시간이 배포의 결정적 요인이라면, 현재 증거 상태로는 어느 방향으로도 구매 결정을 뒷받침하지 않습니다.

60개 언어 대 70개 이상은 잘못된 점수판이다

언어 수치는 끊임없이 인용되며, 그것은 양방향으로 오해를 불러일으킨다.

Qwen3.8-LiveTranslate는 60개 소스 언어를 인식하고 그중 29개 언어로 음성 출력을 생성합니다. Gemini 3.5 Live Translate는 자동 감지 기능으로 70개 이상의 언어를 지원하며, Google Meet에서는 이전에 영어 기반 번역이 5개 언어로 제한되었던 것이 2,000개 이상의 언어 조합으로 확장됩니다.

세 번째 숫자를 세 배의 성과로 받아들이기 전에 두 번째 숫자를 주의 깊게 읽어 보라. Google의 2,000개 이상이라는 수치는 순서쌍, 즉 모든 소스 언어와 모든 대상 언어를 교차한 경우를 세는데, 이는 타당하고 실질적으로 유용한 범위 측정치이긴 하지만 단일 언어 수치와 비교할 수 있는 것은 아니다. 그리고 Google의 목록은 더 넓기는 해도 화자 수가 많은 언어에 크게 치우쳐 있다: 아프리칸스어, 아랍어, 벵골어, 네덜란드어, 영어, 프랑스어, 독일어, 힌디어, 인도네시아어, 이탈리아어, 일본어, 한국어, 말레이어, 페르시아어, 폴란드어, 포르투갈어, 러시아어, 스페인어, 스와힐리어, 타밀어, 텔루구어, 태국어, 터키어, 우크라이나어, 우르두어, 베트남어, 줄루어. Qwen의 음성 출력 29개 언어는 더욱 좁으며, 어느 업체의 목록도 롱테일에 대한 진지한 해답은 아니다. 즉 통역 도구가 역사적으로 가장 크게 실패해 온 지역 방언과 저자원 언어 말이다. 두 회사 모두 이를 작업 중이라고 말한다. 어느 쪽도 아직 출시하지 않았다.

둘이 실제로 갈리는 지점: 사람들로 가득한 방

모델들이 진정으로 서로 다른 약속을 하는 유일한 지점은 다중 화자 처리이며, 이는 실제 배포를 결정할 가능성이 가장 큰 차이입니다.

Qwen3.8-LiveTranslate는 실시간 화자 분리를 제공합니다: 각 문장은 도착하는 즉시 화자에게 귀속되며, 음성 복제는 발화 차례가 바뀌어도 안정적이라고 설명됩니다. Qwen은 자체 장시간 다화자 테스트 세트에서 화자 분리 오류율 9.7%를 자체 보고했으며, Seed LiveInterpret 2.0의 경우 30.6%입니다 — 벤더가 실행한 평가에서의 벤더 비교이므로, 이를 결과가 아니라 숫자가 붙은 주장으로 취급해야 합니다. 이 모델은 또한 원문 텍스트와 번역을 동일한 타임라인에 출력하는데, 이것이 별도의 정렬 과정 없이 동기화된 이중 언어 자막을 가능하게 합니다.

Gemini 3.5 Live Translate는 정반대의 지점에 중점을 둡니다. 문서화된 강점은 운율 보존입니다. 즉, 화자의 음높이, 속도, 억양, 정서적 결을 유지하여 번역된 목소리가 원본의 느낌을 담도록 하는 것입니다. 문서화된 약점은 바로 화자 분리(diarization)가 도움이 될 부분들입니다. 긴 휴지기 후 흐트러지거나 잘못된 성별로 귀결될 수 있는 일관성 없는 음성 복제, 명확한 문장 종료 신호가 없는 취약한 발화 순서 전환, 강한 억양과 스페인어·포르투갈어처럼 밀접하게 관련된 언어 쌍에서의 어려움, 그리고 배경 소음 처리의 불완전함입니다. 또한 Google은 연장하지 않는 한 순수 오디오 세션을 15분으로 제한하며, 생성된 모든 오디오 스트림에 현재 제거할 수 없는 SynthID 워터마크를 찍습니다.

• 다중 화자 귀속 — Qwen: 실시간 다이어리제이션, 9.7% DER 주장. Gemini: 취약한 턴테이킹이 문서화되어 있으며, 다이어리제이션 주장 없음.

• 음성 충실도 — Qwen: Talker 모듈을 통한 원본 음색 재현. Gemini: 운율, 음높이, 속도 보존; 문서화된 클로닝 드리프트.

• 이중 언어 출력 — Qwen: 원문과 번역이 동일한 타임라인에 출력됩니다. Gemini: 세션별로 구성되는 선택적 입력 및 출력 텍스트 변환.

• 워터마킹 — Qwen: 명시된 바 없음. Gemini: 생성된 모든 오디오에 SynthID 적용, 제거 경로 없음.

• 세션 길이 — Qwen: 명시되지 않음. Gemini: 순수 오디오 세션은 15분으로 제한.

• 입력 유형 — Qwen: 오디오 및 이미지. Gemini: 오디오만, 텍스트 입력 없음.

각각 실제로 운영하는 데 드는 비용

Qwen3.8-LiveTranslate는 WebSocket Realtime API를 통해 백만 토큰당 가격이 책정됩니다. 싱가포르 리전에서는 오디오 입력 $7.50, 이미지 입력 $0.55, 텍스트 출력 $20.00, 오디오 출력 $30.00입니다. 베이징에서는 백만 토큰당 ¥40 / ¥3.3 / ¥100 / ¥160으로, 대략 $5.65 / $0.47 / $14.13 / $22.61에 해당합니다. 컨텍스트는 53,248 토큰이며, 두 리전 모두 요청 한도는 분당 10건, 토큰 한도는 분당 100,000개입니다.

그 10 RPM 상한은 요금표에서 가장 영향력이 큰 숫자입니다. Gemini 3.5 Live Translate의 상업적 조건은 같은 방식으로 공개되지 않았는데, 이는 그 자체로 성숙도에 관한 신호입니다: Google은 이를 Live API와 AI Studio에서는 공개 프리뷰로, 선별된 Workspace 고객을 위한 Google Meet에서는 비공개 프리뷰로, Android 및 iOS의 Translate 앱을 통해서는 배포하고 있습니다. 프리뷰 가격과 프리뷰 요청 한도는 예고 없이 변경될 수 있으며, Google은 GA 날짜를 확정하지 않았습니다.

그래서 현재 비용 비교는 공개된 가격과 엄격한 동시성 상한이 있는 모델과, 공개된 가격도 없고 상한도 명시되지 않은 모델 사이의 비교입니다. 이번 분기에 단위 경제성을 모델링해야 한다면, 둘 중 예산에 반영할 수 있는 것은 하나뿐입니다.

독립적인 테스트가 보여주어야 하는 것

위의 모든 내용은 두 업체의 자체 발표를 바탕으로 구성되었습니다. 아무도 이 모델들을 서로 맞붙여 실행해 본 적이 없기 때문입니다. 이 맞대결을 실제로 결판낼 수 있는 결과에는 네 가지가 필요하며, 그중 어느 것도 아직 존재하지 않습니다:

• LAAL은 두 모델 모두에서 동일한 방식으로, 동일한 오디오에서, 동일한 언어 쌍에서 측정되었습니다 — Qwen의 2.3초 수치는 Google이 밝히기를 거부한 어떤 것과도 비교할 수 없습니다.

• Qwen 자체의 Omnilingua-MSpeaker 세트가 아닌, 공유 다중 화자 코퍼스에서의 화자 분리 오류율.

• 장시간 세션에 걸친 음성 복제 안정성 — 바로 이 지점에서 Gemini 자체 문서는 드리프트를 지적하고 Qwen은 가장 강력한 주장을 내세운다.

• 동시성 한계에서의 동작 — Qwen의 10 RPM이 실제 회의 부하에서도 버티는지, Gemini의 프리뷰 할당량이 프로덕션과의 접촉을 견뎌내는지.

그 테스트가 존재하기 전까지, 방어 가능한 입장은 제한적이다: Qwen은 더 많이 공개했고 더 구체적인 것들을 약속했다; Google은 더 넓은 언어 범위와 API만 제공하는 모델은 따라올 수 없는 배포 기반을 갖고 있다.

어느 걸 고를까?

점수판이 아니라 문제의 형태를 파고들어라, 점수판은 아직 믿을 수 없으니까.

워크로드가 다자간이고 발화자 귀속이 중요한 경우 — 회의 전사, 패널 토론, 법정, 번역된 문장을 누가 말했는지 아는 것이 가치의 일부인 모든 상황 — Qwen3.8-LiveTranslate는 이 기능을 내세우는 둘 중 유일한 모델이며, Gemini의 문서화된 발언 순서 처리 약점도 같은 방향을 가리킵니다. 워크로드가 다양한 언어를 대상으로 하고 소비자 대상이며 이미 Google 생태계 안에 있다면, Gemini 3.5 Live Translate의 70개 이상 언어 지원과 Translate 앱 및 Meet에서의 존재감은 API 전용 경쟁자가 배포 측면에서 따라올 수 없는 장점입니다.

데모를 구매하는 것이 아니라 제품을 만드는 경우라면, 둘 다 범용이 아닌 좁은 영역의 전문 도구라는 점을 유의해야 합니다. 어느 쪽도 에이전트 루프를 돌리지 않고, 요약하지도 않으며, Qwen3.8-LiveTranslate는 함수 호출, 구조화된 출력, 컨텍스트 캐싱, 파인튜닝을 명시적으로 지원하지 않습니다. 인터프리터는 파이프라인의 앞단일 뿐, 파이프라인 전체가 아닙니다. 오늘날 OrcaRouter는 두 번역 모델 중 어느 것을 호출하기에 적합한 곳이 아닙니다. 둘 다 우리 카탈로그에 없으며, 그렇지 않은 듯이 암시하기보다는 있는 그대로 말하는 편을 택합니다. 우리가 제공하는 것은 그 기록을 소비하는 스택의 절반입니다. 200개 이상의 모델에 걸쳐 하나의 키로, 제공사의 정가 그대로, 마진 없이 그대로 전달되며, 따라서 그 기록을 읽는 요약기, 용어집 적용기 또는 다운스트림 에이전트를 두 번째 공급업체 계약을 건드리지 않고도 교체하거나 장애 조치할 수 있습니다.

그것의 바닥

Qwen3.8-LiveTranslate와 Gemini 3.5 Live Translate는 기본 성능에서 충분히 비슷해서 마케팅이 차별화 요소가 되었다: 한쪽은 지연 시간 수치와 요금표를 공개했고, 다른 쪽은 언어 지도와 생태계를 공개했다. 어느 쪽도 독립적인 테스트를 받은 적이 없다. 이 맞대결에서 읽을 가치가 있는 버전은 누군가 두 제품을 같은 오디오로 돌려본 뒤에 쓰이게 될 글이다 — 그리고 이 분야가 얼마나 빠르게 움직이는지를 고려하면, 그리 멀지 않을 수도 있다.