도쿄 뒷골목에서 메뉴판을 펼쳤는데 한자와 히라가나가 뒤섞여 있었다. 읽히는 글자라곤 없었다. 예전이라면 손짓 발짓으로 버텼겠지만, 이제는 카메라를 들이대면 1~2초 안에 한국어로 바뀐다. 비주얼 검색과 실시간 번역이 그냥 ‘있는 기능’에서 ‘없으면 불편한 기능’으로 자리 잡은 게 얼마 안 됐다.
비주얼 검색, 어떻게 작동하나
텍스트 검색과 근본적으로 다르다. 키보드를 칠 필요가 없다. 카메라로 찍으면 끝이다. AI가 이미지를 분석해 사물이 뭔지, 어디서 살 수 있는지, 어떤 의미인지까지 파악한다.
기술적으로는 네 가지가 합쳐진다.
- 이미지 인식 및 분류 — 강아지인지, 참나리인지, 에코백인지 구분한다.
- 텍스트 인식(OCR) — 이미지 속 글자를 뽑아서 번역하거나 검색에 쓴다.
- 콘텐츠 매칭 — 비슷하게 생긴 상품이나 관련 정보를 웹에서 연결한다.
- 상황 맥락 이해 — 사물 자체만 보지 않고, 그게 놓인 맥락까지 읽어낸다.
배경엔 딥러닝 기반 이미지 인식 모델이 있다. 수억 장의 시각 데이터를 학습해서 처음 보는 이미지도 기존 패턴과 연결해 의미를 붙인다. 정확도가 5년 전과는 비교가 안 된다. 분류하고, 맥락을 읽고, 연결하는 과정이 0.몇 초 안에 동시에 일어나는 것이 핵심이다.
구글 렌즈, 이만큼 왔다
처음 나왔을 때 주변 반응이 「오, 신기하다」였다면, 지금은 「아 이거 진짜 쓰네」다. 구글 렌즈를 켜고 카메라를 들이대면 이런 것들이 된다.
- 식물·동물 — 이름, 특징, 심지어 키우는 방법까지 나온다. 가끔 틀리긴 한다.
- 텍스트 — 외국어 간판을 실시간으로 번역하고, 책 문단을 찍으면 그대로 복사된다. 교과서 긴 공식을 일일이 타이핑했던 기억을 떠올리면 그 시간이 진짜 낭비였다 싶다.
- 상품 — 길에서 맘에 드는 신발을 봤을 때, 사진 한 장이면 비슷한 제품을 찾아준다. 온라인 최저가 확인에도 쓴다.
- 랜드마크 — 건물을 비추면 역사와 관련 정보가 바로 뜬다.
- 수학 문제 — 수식을 찍으면 풀이 과정까지 보여준다. 이건 좀 과한 것 같기도 한데, 학생들한테는 꽤 유용하다.
Engadget이 전한 바에 따르면, 구글은 최근 ‘서치 라이브(Search Live)’ 기능을 전 세계로 확대하고 있다. 카메라를 켜고 사물이나 장면에 비추면서 질문하면 바로 답이 온다. Gemini 3.1 Flash Live 모델 기반이고, 다국어를 기본 지원하며 기존 구글 렌즈보다 빠르고 안정적이라고 한다. 기존 렌즈를 오래 써봤다면 체감 차이가 얼마나 될지 궁금해진다.
이어폰 하나로 통역? 실시간 번역의 현재
말하면 상대방 언어로 바뀌고, 상대방 말은 내 귀에 번역돼서 들어온다. SF 영화 같지만 이미 스마트폰 안에 들어와 있다. 세 기술이 실시간으로 맞물리면서 가능하다.
- 음성 인식 — 말을 텍스트로 변환한다.
- 기계 번역 — 그 텍스트를 상대 언어로 바꾼다.
- 음성 합성 — 번역된 텍스트를 자연스러운 목소리로 내보낸다.
구글 ‘라이브 트랜슬레이트(Live Translate)’는 iOS까지 확대 적용됐다. 독일·이탈리아·스페인·일본·영국 등에서 안드로이드와 iOS 모두 쓸 수 있고, 현재 70개 이상 언어를 지원한다. 어떤 이어폰과도 연동된다는 점도 실용적이다. 70개라는 숫자가 인상적인 건, ‘지원은 하는데 어색하다’에서 ‘그냥 쓸 만하다’로 넘어온 언어가 늘었다는 뜻이기도 하다.
해외 출장에서 클라이언트와 실시간으로 대화가 오가는 장면을 상상해보면 이 기술이 가져올 변화의 크기가 느껴진다. 딜레이가 얼마나 느껴지는지는 직접 써봐야 알겠지만, 솔직히 여기서 감이 갈린다. 자연스럽게 돌아가면 판이 바뀌는 거고, 딜레이가 눈에 띄면 아직 반 발짝이다.
실생활에서 이렇게 쓰면 된다
- 해외여행 — 메뉴판, 기차표, 안내판을 카메라로 찍으면 바로 번역된다. 현지인과 대화할 땐 실시간 번역 이어폰. 굳이 앱을 열고 타이핑할 이유가 없다.
- 공부 — 교과서나 참고서 페이지를 찍으면 관련 설명이 나온다. 모르는 식물이나 곤충을 발견했을 때 즉석 정보 탐색도 된다.
- 쇼핑 — 진열대에서 맘에 드는 물건이 있으면 사진을 찍어 비슷한 제품이나 구매처를 찾는다. 최저가 비교 용도로도 쓴다.
- 박물관·미술관 — 전시물 설명이 외국어일 때 카메라로 찍으면 번역된다. 현지 가이드와 대화할 때도 실시간 번역이 대화의 깊이를 다르게 만든다.
편리함보다 더 큰 얘기가 있다. 언어 때문에, 글을 모른다는 이유 때문에 정보에서 배제되던 경우가 줄어든다. 정보 접근성을 바꾸는 기술이다. 이건 작은 변화가 아니다.
데이터 문제, 짚고 넘어가야 한다
카메라로 찍은 이미지와 음성 데이터는 서버로 올라가서 처리된다. 여기서 발생하는 개인정보 이슈는 무시하기 어렵다. AI 기업들이 비식별화와 보안 강화를 내세우지만, 어떤 데이터가 어떻게 쓰이는지 사용자가 직접 확인하고 동의 여부를 결정하는 게 맞다.
「AI가 알아서 잘 처리하겠지」는 조금 위험한 태도다. 설정 화면에서 데이터 공유 항목을 한 번씩 들여다보는 습관을 들이는 게 좋다. 번거롭더라도.
다음 수순은 AR 글라스
스마트폰 화면에서 벗어나는 게 다음 단계다. 증강현실(AR) 글라스에 이 기능이 탑재되면, 눈앞에 보이는 모든 것이 실시간으로 번역되고 정보가 겹쳐 보이는 장면이 현실이 된다. 상용화까지는 시간이 더 필요하지만, 방향은 명확하다.
스마트폰이 지금의 역할을 하듯, 10년 후엔 웨어러블이 그 자리를 대신할 가능성이 있다. 비주얼 검색과 실시간 번역은 결국 ‘세상을 읽는 방법’을 바꾸는 기술이다. 텍스트를 치는 시대에서 보고 듣는 것만으로 정보를 얻는 시대로. 그 전환이 이미 절반쯤 진행됐다.
출처: Engadget
테크가이드팀
Home-In-One 테크가이드팀은 IT 기기 비교, 소프트웨어 추천, 트러블슈팅 가이드 등 실용적인 기술 콘텐츠를 제작합니다. 초보자도 쉽게 따라할 수 있는 단계별 가이드를 지향합니다.