Google DeepMind, Gemini Live API 멀티모달 스트리밍 정식 GA

정식 GA 전환 내용 요약

Gemini Live API는 2026년 초 프리뷰로 공개된 이후 이번에 정식 GA로 전환됐다. 핵심 변경 사항은 다음과 같다.

• 멀티모달 동시 스트리밍: 카메라 영상 프레임(최대 30 fps), 시스템 오디오, 사용자 마이크, 텍스트 메시지를 단일 WebSocket 세션에서 혼합 전송 가능.
• 화면 공유 스트림 지원: input_type: "screen" 파라미터 추가로 데스크톱·브라우저 탭 스트림을 직접 입력으로 연결.
• 세션 길이: 프리뷰 대비 최대 세션 시간이 30분으로 연장(기존 10분).
• 사용 모델: gemini-2.5-flash-live, gemini-2.5-pro-live (가격은 공식 페이지 참조).

크리에이터·개발자 활용 시나리오

라이브 코딩 튜토리얼 제작자는 화면 공유 스트림을 Gemini에 연결해 시청자 질문에 맞춰 실시간으로 코드 설명 자막이나 음성 해설을 자동 생성하는 파이프라인을 구성할 수 있다. 영상 기반 QA 봇 시나리오에서는 제품 데모 영상을 스트리밍으로 입력하면서 사용자가 텍스트로 질문을 던지면, Gemini가 현재 프레임 컨텍스트를 반영한 답변을 즉시 반환한다.

Google AI Studio에서 별도 설정 없이 Live API 탭에서 바로 테스트할 수 있으며, Python SDK google-generativeai>=0.9.0 기준 genai.live.connect() 메서드로 진입한다.

프로덕션 적용 시 유의사항

• 고해상도(1080p 이상) 영상 스트림은 자동으로 720p로 다운샘플링되므로 세밀한 UI 텍스트 인식이 필요한 경우 클라이언트 단에서 크롭 전처리 권장.
• 한국어 음성 인식 품질은 gemini-2.5-flash-live 기준 WER(단어 오류율) 공식 벤치마크가 아직 공개되지 않아, 프로덕션 전 자체 테스트 필수.
• Vertex AI 경유 사용 시 리전을 asia-northeast3(서울)로 지정하면 왕복 레이턴시를 최소화할 수 있다.