speech-to-text API는 음성 오디오를 글로 옮겨 적어줍니다. 녹음본을 업로드하거나 URL을 전달하거나 실시간 오디오를 스트리밍하면, API는 해당 모델을 지원하는 모델에 타임스탬프, 화자 라벨 또는 자막 파일을 포함한 대본을 반환합니다.
speech-to-text API는 전사기 또는 자동 음성 인식(ASR) API라고도 불리며, 오디오 또는 비디오 파일 내의 음성 단어를 텍스트로 변환합니다. 가장 단순한 결과는 단순한 전사본입니다. 모델에 따라 API는 다음 정보도 반환할 수 있습니다:
많은 모델이 음성 언어를 자동으로 감지하며, 일부는 제품명이나 전문 용어 등 핵심 용어 목록을 수용하여 이를 더 신뢰성 있게 인식하기도 합니다.
녹음을 원하시면 보내세요 /v1/audio/transcriptions 이후 모델 ID와 파일을 다중 부분 업로드 또는 그 HTTPS URL로 설정한 경우. file_url. API는 응답 내의 전사본을 반환합니다. 긴 전사는 대신 직무 ID를 반환할 수 있으며, 이 ID에 대해 폴럼을 진행합니다 빨리 /v1/jobs/{job_id}, 그리고 헤더 선호: 리스폰스-비동기 즉시 직무 ID를 요구합니다.
통화나 라이브 행사와 같이 실시간으로 음성 변환을 할 경우, 실시간 전사 모델은 텍스트를 통해 다시 스트리밍합니다. 실시간 음성 WebSocket at /v1/realtime. 모델에 따라 말하는 동안 부분적인 단어가 들어오고, 각 침지마다 확정된 대사본이 도착합니다.
나란히 비교하는 모델 두 모델의 기능과 비율을 함께 보여주세요.
둘러보기 전사 모델 그리고 녹음을 업로드하세요. Playground 하나를 테스트하기 위해서입니다. 모델을 호출하려면 대시보드에서 API 키를 생성하고 오디오를 다음 주소로 보내세요 https://api.empiriolabs.ai/v1/audio/transcriptions. 그 필사 참조 요청 필드와 응답 형식을 나열하며, 실시간 음성 API 가이드 라이브 전사를 다룹니다.
사용량 때 지불하거나, 주간 수당이 있는 플랜을 선택하세요. 현재 요금은 가격표·.
모델 13개. 과금 단위가 같은 모델은 저렴한 순으로 정렬했습니다. 각 모델 페이지에 전체 요금표, 파라미터, 코드가 있습니다.
엔드포인트
/v1/audio/transcriptions WEBSOCKET /v1/realtime오디오 분 또는 시간당 요금
| 모델 | 최저 요금 | 적용 대상 |
|---|---|---|
| StepAudio 2.5 ASR StepFun | $0.05 오디오 시간당 | 전사 |
| Qwen Audio 3.0 ASR Alibaba Cloud | $0.252 오디오 시간당 | 전사 |
| Whisper Large v3 Turbo OpenAI | $0.042$0.005 오디오 분당 | 통제된 전사 |
| StepAudio 2.5 ASR Stream StepFun | $0.40 오디오 시간당 | 전사 |
| StepAudio 3 ASR Max StepFun | $0.60 오디오 시간당 | 전사 |
| Qwen Audio 3.0 ASR Stream Alibaba Cloud | $0.648 오디오 시간당 | 전사 |
| Deepgram Nova-3 Deepgram | $0.014 오디오 분당 | 전사 |
| Deepgram Nova-3 Stream Deepgram | $0.025 오디오 분당 | 전사 |
| OpenAI Whisper 1 OpenAI | $0.030 분당 | 오디오 분당 |
그 밖의 모델: Sonilo Proofread, Qwen Audio 3.1 ASR, Qwen Audio 3.1 ASR Stream, Qwen Audio 3.1 ASR Message
네. 자동 음성 인식(ASR)은 음성을 텍스트로 변환하는 기술적 명칭이며, speech-to-text 또는 전사 API를 통해 코드에 이를 사용할 수 있습니다.
네, 다이어리제이션을 지원하는 모델에서요. 대본에는 각 부분에 화자가 붙어 있어서 누가 무슨 말을 했는지 확인할 수 있어요.
네. 라이브 전사 모델은 사용자가 말하는 동안 WebSocket을 통해 텍스트를 스트리밍합니다. 녹음은 대신 파일 전사 엔드포인트를 사용합니다.
네, SRT나 VTT를 반환하는 모델에서는 그렇습니다. 이 자막 형식들은 각 텍스트 줄에 시작 시간과 종료 시간을 포함합니다.
대부분의 모델은 오디오 길이, 분당 또는 시간당 요금을 청구하며, 일부는 오디오 토큰 단위로 청구합니다. EmpirioLabs AI에서는 사용량 중 하나씩 결제하거나 주간 할당량이 있는 요금제를 선택할 수 있습니다.
이 방식으로 과금되는 전사 모델 9개를 오디오 분당 요금 기준으로 비교하면 가장 저렴한 순서는 StepAudio 2.5 ASR, Qwen Audio 3.0 ASR, Whisper Large v3 Turbo입니다. 이 페이지의 요금표에서 각 모델의 최저 요금과 적용 대상을 확인할 수 있습니다.