화상미팅에 AI 실시간 통역
최적 적용 가이드

01 Gemini 3.5 Live Translate 란?

기존 STT→번역→TTS 파이프라인을 하나의 speech-to-speech 모델로 대체. 끊김 없는 동시통역에 가깝습니다.

02 실비용 분석 — RINDA 일본 미팅 기준

오디오는 초당 25토큰으로 과금. 입력 $3.50 / 출력 $21.00 (백만 토큰). 침묵 구간은 과금되지 않는 점이 핵심.

환율 ≈ 1,380원/$ 가정. 콜리그가 말한 “3천원 / 1500원대”와 정확히 일치합니다. 인간 통역사 반나절 대비 수백분의 1 수준.

03 적용 방법 4가지 — 비교

“어떤 화상툴을 쓰느냐 / 직접 만들 것이냐”로 갈립니다. RINDA 상황 기준 권장도 순.

참고: Zoom은 RTMS(Realtime Media Streams), MS Teams는 Bot Media API로 동일하게 Gemini에 연결 가능. 회의 플랫폼이 Zoom/Teams로 고정이라면 이 경로를 A 대신 사용.

04 권장 아키텍처 (LiveKit 경로)

탭 종료 시 navigator.sendBeacon()으로 세션 정리, 자막은 LiveKit 데이터 채널로 별도 전송(신뢰성↑).

05 핵심 구현 코드

Gemini Live 세션 연결 + 번역 설정 + 오디오 스트리밍의 최소 골격(Python SDK).

from google import genai
from google.genai import types

client = genai.Client()
model = "gemini-3.5-live-translate-preview"

config = types.LiveConnectConfig(
    # 목표 언어 = 일본어. 자동 언어감지로 한↔일 양방향
    translation_config=types.TranslationConfig(
        target_language_code="ja",      # BCP-47
        echo_target_language=True,
    ),
)

async with client.aio.live.connect(model=model, config=config) as session:
    # 1) 회의 오디오를 16kHz PCM 100ms 청크로 송신
    async def pump_mic():
        async for chunk in mic_frames():           # 16-bit PCM 16k mono
            await session.send_realtime_input(
                audio=types.Blob(data=chunk, mime_type="audio/pcm;rate=16000")
            )
    # 2) 번역된 24kHz PCM 음성을 회의 스피커/트랙으로 재생
    async for response in session.receive():
        if response.data:
            await play_to_room(response.data)        # 24k PCM republish

06 RINDA 권장 로드맵

07 리스크 · 체크포인트