저희가 이 기능을 만들어 온 과정

저희는 음성 대 음성 실시간 번역을 수년에 걸쳐 준비해 왔습니다.

JotMe를 시작할 때부터 저희는 각자의 언어로 자연스럽게 말하는 것이 글로벌 비즈니스에서 가장 중요한 인터페이스 중 하나가 될 것이라고 믿었습니다. 하지만 기술이 아직 준비되어 있지 않았습니다.

• 음성 생성 속도가 느렸습니다.
• 번역이 맥락을 유지하지 못했습니다.
• 목소리가 기계처럼 어색하게 들렸습니다.
• 지연 때문에 대화의 흐름이 자꾸 끊겼습니다.
• 그리고 무엇보다, 비용 구조가 맞지 않았습니다.

이런 한계 때문에 저희는 이 기능을 널리 공개하지 못했습니다. 새로운 기술을 먼저 시도해 보려는 소수의 엔터프라이즈 고객이 저희와 함께 실험해 주셨고, 그분들 곁에서 제품을 다듬을 수 있었던 것은 큰 행운이었습니다.

그리고 2026년 5월 8일, OpenAI가 GPT-Realtime-2를 발표하면서 모든 것이 달라졌습니다.

AI가 사람이 말하는 도중에 듣고, 생각하고, 곧바로 음성으로 답할 수 있게 된 것입니다. 음성 인터랙션은 더 이상 데모가 아니라 인프라처럼 느껴지기 시작했습니다.

하지만 음성 번역이 글로벌 비즈니스의 운영 체제가 되려면, 아직 풀어야 할 큰 문제가 두 가지 남아 있었습니다.

1. 실시간 업무 맥락

번역은 언어의 문제가 아니라 맥락의 문제입니다.

통역을 제대로 하려면 지금 누가 말하고 있는지, 어떤 프로젝트 이야기인지, 사내에서만 쓰는 용어, 고객사 이름, 제품명, 과거의 결정 사항, 팀 구조까지 알아야 합니다.

맥락이 없으면 아무리 뛰어난 모델도 실수를 합니다. 업무에서 제대로 소통하려면 AI에게도 직원들이 매일 쓰는 것과 같은 업무 지식이 필요합니다.

2. 오디오 전달

두 번째 과제는 의외로 실무적인 것이었습니다. 번역된 음성을 회의, 이벤트, 웨비나, 세일즈 콜, 고객 상담 현장에 어떻게 흘려보낼 것인가 하는 문제입니다.

저희는 지난 한 달 동안 이 두 문제를 해결하는 데 집중했고, 오늘 그 결과물을 모든 분께 공개합니다.

‍

이 기술은 글로벌 비즈니스에 어떤 의미가 있을까요?

예전에는 별도의 맞춤 구축과 연간 5만 달러($50,000) 이상의 계약이 있어야 쓸 수 있었던 기술을, 이제 누구나 사용할 수 있습니다.

하지만 저희가 정말 설레는 지점은 첨단 기술의 대중화만이 아닙니다.

수십 년 동안 언어를 넘나드는 커뮤니케이션은 번역가와 통역사, 그리고 여러 겹의 전달 과정에 의존해 왔습니다. 전달 단계가 하나 늘어날 때마다 지연과 오해가 생기고, 맥락이 조금씩 사라집니다.

저희는 음성 대 음성 번역이 이 구조를 바꾼다고 믿습니다. 각자 자기 언어로 자연스럽게 말하는 동안 AI가 실시간 음성 번역을 처리해, 대화에 담긴 원래의 의도와 의미를 훨씬 더 많이 지켜 줍니다.

등에 그림을 그려 전달하는 게임을 보신 적이 있을 겁니다. 한 사람이 다른 사람의 등에 그림을 그리면, 그 사람이 느낌만으로 종이에 옮겨 그리는 게임입니다. 마지막에 나온 그림은 원본과 전혀 다른 모습일 때가 많습니다.

언어 간 커뮤니케이션도 지금까지 이와 크게 다르지 않았습니다. 이제 처음으로, 그 중간 단계들이 사라지기 시작했습니다.

‍

왜 JotMe의 실시간 음성 대 음성 번역일까요?

JotMe는 업무 대화를 위해 만들어졌습니다. 업무 대화에서 AI에게 필요한 것은 단어 그 이상, 곧 업무 맥락입니다. 제품명, 고객사 이름, 프로젝트 히스토리, 팀 용어, 지난 회의 노트 같은 정보 말입니다. 이 맥락 덕분에 대화가 진행되는 중에도 비즈니스상의 의미가 유지되고, AI 음성 번역이 실제 업무에서 훨씬 자연스럽고 유용해집니다.

JotMe는 특정 플랫폼에 묶여 있지도 않습니다. Zoom, Google Meet, Microsoft Teams는 물론 이벤트장, 강의실, 대면 대화까지 — 대화가 어디에서 이루어지든 JotMe 데스크톱 앱이 그 흐름을 지원합니다. 100개 이상의 음성 입력 언어를 인식하고, 13개 언어로 번역된 음성을 출력합니다: 중국어(간체), 영어, 프랑스어, 독일어, 힌디어, 인도네시아어, 이탈리아어, 일본어, 한국어, 포르투갈어, 러시아어, 스페인어, 베트남어.

음성 대 음성 번역이 진행되는 동안에도 JotMe는 실시간 트랜스크립트와 텍스트 번역을 함께 보여 줍니다. 회의가 끝나면 대화 기록이 AI 회의록과 함께 저장되어, 모든 대화가 팀이 검색하고 다시 확인하고 쌓아 갈 수 있는 다국어 지식 베이스가 됩니다.

‍

‍

실시간 음성 번역 사용 방법

JotMe의 음성 대 음성 번역은 데스크톱 워크플로입니다. 오디오를 캡처하고, 번역된 음성을 라우팅하고, AI 음성을 실시간으로 재생해야 하기 때문입니다. 제품 안에서는 음성 대 음성 AI 번역(Speech-to-Speech AI Translation) 메뉴에서 사용할 수 있습니다.

사용하기 전에 음성 입력 언어(Spoken Language)에서 Fast (Audio)를 선택하고, 빠른 번역 언어(Fast Translation Language)를 지정한 다음 Speech-to-Speech 메뉴로 돌아오세요.

음성 번역은 다양한 언어의 음성을 인식하지만, 번역된 음성 출력은 현재 다음 언어를 지원합니다.

중국어(간체), 영어, 프랑스어, 독일어, 힌디어, 인도네시아어, 이탈리아어, 일본어, 한국어, 포르투갈어, 러시아어, 스페인어, 베트남어

모드 1: 온라인 미팅(Online Meeting)

Zoom, Google Meet, Microsoft Teams, WhatsApp, 웨비나, 세일즈 콜, 고객 미팅, 인터뷰, 사내 회의처럼 회의 애플리케이션 안에서 번역된 음성이 필요할 때는 온라인 미팅(Online Meeting) 모드를 사용하세요.

온라인 미팅은 세 가지 번역 방향을 지원합니다.

양방향(Two-Way)

양쪽 모두에게 음성 번역이 필요할 때 사용합니다.

• 상대방의 말이 내가 선택한 언어의 음성으로 들립니다.
• 상대방은 내 말을 자신이 선택한 언어로 듣습니다.
• JotMe가 들어오는 회의 오디오와 나가는 번역 음성을 분리해서 라우팅합니다.
• 이중 언어 회의, 고객 미팅, 협상, 교육 세션, 인터뷰, 고객 지원 통화에 가장 적합합니다.

Mac에서 양방향 모드는 BlackHole 2ch와 BlackHole 16ch가 필요합니다. 회의 스피커는 BlackHole 2ch로, 회의 마이크는 BlackHole 16ch로 라우팅됩니다.

Windows에서는 VB-CABLE과 Virtual Audio Cable Line 1을 사용합니다. 선택한 모드에 맞는 장치를 JotMe가 화면에 안내해 주므로, 앱 내 설정 안내를 그대로 따라 하시면 됩니다.

듣기 전용(Listening Only)

번역된 오디오를 듣기만 하면 될 때 사용합니다.

• JotMe가 회의 오디오 또는 시스템 오디오를 캡처합니다.
• 번역된 음성을 헤드폰이나 스피커로 재생합니다.
• 내 마이크 음성은 기록되거나 번역되지 않습니다.

Mac에서는 오디오 캡처에 BlackHole 2ch를 사용하고, Windows에서는 VB-CABLE 캡처 장치를 사용합니다.

말하기 전용(Speaking Only)

나는 내 언어로 말하고, 상대방에게는 번역된 음성이 들리게 하고 싶을 때 사용합니다.

• JotMe가 내 마이크를 캡처합니다.
• 번역된 음성을 회의 애플리케이션으로 내보냅니다.
• 다른 참가자의 음성은 기록되거나 번역되지 않습니다.

Mac에서는 회의 애플리케이션의 마이크를 BlackHole 2ch로, Windows에서는 CABLE Output(VB-Audio Virtual Cable)으로 설정하세요.

필요한 가상 오디오 드라이버가 설치되어 있지 않으면, 해당 장치가 감지될 때까지 모드 토글과 시작 버튼이 비활성화 상태로 유지됩니다. 드라이버 설치 후에는 컴퓨터를 다시 시작해 주세요.

모드 2: 기타(Other)

오디오가 회의 애플리케이션을 거치지 않을 때는 기타(Other) 모드를 사용하세요.

마이크 오디오

다음과 같은 상황에 적합합니다.

• 대면 대화
• 라이브 이벤트
• 인터뷰
• 수업
• 부스 시연
• 현장 업무

시스템 오디오

다음과 같은 상황에 적합합니다.

• 동영상
• 라이브 스트리밍
• 웨비나
• 교육 자료
• 팟캐스트
• 컴퓨터에서 이미 재생 중인 모든 오디오

기타 모드에서는 번역된 음성을 회의 애플리케이션으로 다시 보낼 필요가 없기 때문에, 가상 오디오 라우팅이 필요하지 않습니다.

모드 3: 공유(Sharing)

참가자들이 각자의 기기에서 번역을 받아야 할 때는 공유(Sharing) 모드를 사용하세요.

• URL로 공유: 누구나 브라우저에서 실시간 번역을 열어 볼 수 있습니다.
• 코드로 공유: 다른 JotMe 데스크톱 사용자가 코드를 입력해 참여할 수 있습니다.
• QR 코드를 화면에 띄워 빠르게 접속하게 할 수 있습니다.
• 참가자는 각자 원하는 언어를 선택할 수 있습니다.
• 조건을 충족하는 Fast·Premium 세션에서는 호스트가 참가자 음성 대 음성 번역을 켤 수 있습니다. 이 경우 참가자 1명당 번역 시간(분)이 5배로 차감됩니다.

공유 모드는 이벤트, 강의실, 웨비나, 교육 세션, 공장 견학, 고객 시연, 그리고 참가자마다 선호하는 언어가 다른 다국어 회의에 유용합니다.

‍

JotMe 실시간 음성 번역, 어디에 쓸 수 있을까요?

다국어 팀 회의

글로벌 팀의 가장 큰 문제는 언어 그 자체가 아니라 속도입니다. 사람들은 머뭇거리고, 누군가 번역해 주기를 기다리고, 회의 언어에 자신이 없어 아예 발언을 포기하기도 합니다. 음성 대 음성 번역이 있으면 각자 자연스럽게 말하고, 나머지 참가자들은 자신이 가장 잘 이해하는 언어로 회의를 따라갈 수 있습니다.

글로벌 세일즈 콜

세일즈 대화는 타이밍, 어조, 신뢰가 좌우합니다. 통역 때문에 통화 속도를 늦추는 대신, JotMe가 실시간 통역 AI처럼 대화를 번역하는 동안 잠재 고객·기존 고객과 각자의 언어로 직접 이야기할 수 있습니다.

고객 지원과 고객 성공

지원 팀은 급한 문제를 빠르게 파악해야 할 때가 많습니다. 음성 번역이 있으면 통역사를 기다리지 않고도 에스컬레이션, 온보딩 콜, 갱신 상담, 기술 트러블슈팅을 처리할 수 있습니다.

글로벌 채용과 면접

뛰어난 지원자가 늘 외국어 면접에 강한 것은 아닙니다. 음성 대 음성 번역은 특히 기술 면접, 컬처핏 대화, 글로벌 채용 과정에서 면접관과 지원자가 서로를 명확하게 이해하도록 돕습니다.

이벤트와 웨비나

이벤트에서는 번역 오디오 채널 하나로는 부족한 경우가 대부분입니다. URL이나 QR 코드로 공유하면 참석자들이 각자의 기기로 접속해 원하는 언어로 들을 수 있어, 웨비나·패널·라이브 세션의 접근성이 크게 높아집니다.

교육과 사내 트레이닝

강의실, 워크숍, 사내 교육에서는 언어 격차가 소리 없이 사람들을 뒤처지게 만듭니다. 실시간 음성 번역이 있으면 학생, 직원, 교육생이 복잡한 설명을 그 자리에서 바로 따라갈 수 있습니다.

제조·협력사 협업

공장 방문, QA 리뷰, 협력사 미팅, 기술 교육에는 전문 용어가 많이 등장합니다. JotMe의 업무 맥락 덕분에 제품명부터 공정 세부 사항까지, 번역이 실제 업무 내용에 더 가깝게 유지됩니다.

여행·호스피탈리티

호텔, 여행사, 이벤트 스태프, 대면 서비스 팀에게는 언어를 넘나드는 빠른 소통이 필수입니다. 음성 번역은 고객 응대, 협력 업체 조율, 가이드 투어, 서비스 리커버리 순간까지 지원할 수 있습니다.

콘텐츠 리뷰·미디어 워크플로

회의 밖에서도 JotMe를 활용할 수 있습니다. 동영상, 라이브 스트리밍, 팟캐스트, 교육 자료, 녹화 콘텐츠의 시스템 오디오를 번역하면, 전체 전사 작업을 먼저 거치지 않고도 다국어 콘텐츠 리뷰가 훨씬 빨라집니다.

‍

마치며

일하는 방식을 바꾸는 기술은 막상 등장하고 나면 의외로 단순해 보이는 경우가 많습니다. 저희는 음성 대 음성 번역이 바로 그런 기술이라고 믿습니다. 여러분이 이 기능으로 무엇을 만들어 낼지 기대하고 있겠습니다. 피드백이 있거나 엔터프라이즈 도입을 논의하고 싶으시다면 hey@jotme.io로 연락해 주세요.

‍