speech-to-text API란 무엇인가요?

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.

모델 유형

speech-to-text API가 하는 일은 무엇인가

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:

  • 타임스탬프 각 세그먼트 또는 단어별로 캡션과 검색 가능한 재생을 위해 제공됩니다.
  • 스피커 라벨 대화의 각 부분을 말해주는 그 마크, 일기화라는 기능.
  • 자막 파일 SRT 또는 VTT 형식으로.
  • 서식 구두점, 숫자와 날짜, 그리고 개인 정보의 마스킹 등.
  • 번역 영어로, 또는 자막 제작을 위해 제작된 모델에 따라 다른 언어로 말을 변환하는 것.

많은 모델이 음성 언어를 자동으로 감지하며, 일부는 제품명이나 전문 용어 등 핵심 용어 목록을 수용하여 이를 더 신뢰성 있게 인식하기도 합니다.

파일 전사 및 실시간 전사

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.

speech-to-text 용도

  • 회의와 전화. 대본을 전달할 때 검색 가능한 노트와 요약 LLM API·.
  • 자막과 자막. 동영상, 강의 및 라이브 스트림을 위한 시간 지정 텍스트.
  • 음성 입력. 앱에서의 받아쓰기, 음성 메시지, 음성 명령 등.
  • 미디어 아카이브. 팟캐스트와 동영상을 검색 가능하게 만드는 대본.
  • 현지화. 다른 언어용 비디오를 준비하는 대본과 번역된 자막 트랙.

전사 모델 간 비교 대상

  • 오디오의 정확성. 억양, 배경 소음, 크로스토크, 도메인 어휘가 포함된 실제 녹음으로 테스트해 보세요.
  • 언어와 방언. 필요한 모든 언어를 확인해 보세요. 언어가 혼합된 언어도 포함해서요.
  • 출력 세부 정보. 워드 타임스탬프, 화자 라벨, 자막 형식 및 서식 옵션.
  • 파일 올리든, 생계든. 라이브 자막은 WebSocket을 통해 스트리밍되는 모델이 필요합니다. 완성된 녹화는 파일 엔드포인트로 이동합니다.
  • 가격. 대부분의 전사 모델은 오디오 길이(분당 또는 시간당 기준)로 요금을 청구하며, 일부는 오디오 토큰 단위로 비용을 청구하므로 녹음 길이가 갈수록 비용이 증가합니다.

나란히 비교하는 모델 두 모델의 기능과 비율을 함께 보여주세요.

EmpirioLabs AI에서 전사 모델을 호출해 보세요

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·.

EmpirioLabs AI의 전사 모델

모델 13개. 과금 단위가 같은 모델은 저렴한 순으로 정렬했습니다. 각 모델 페이지에 전체 요금표, 파라미터, 코드가 있습니다.

엔드포인트

POST /v1/audio/transcriptions WEBSOCKET /v1/realtime

오디오 분 또는 시간당 요금

모델최저 요금적용 대상
StepAudio 2.5 ASR StepFun$0.05 오디오 시간당전사
Qwen Audio 3.0 ASR Alibaba Cloud$0.252 오디오 시간당전사
Whisper Large v3 Turbo OpenAI$0.042$0.005 오디오 분당통제된 전사
StepAudio 2.5 ASR Stream StepFun$0.40 오디오 시간당전사
StepAudio 3 ASR Max StepFun$0.60 오디오 시간당전사
Qwen Audio 3.0 ASR Stream Alibaba Cloud$0.648 오디오 시간당전사
Deepgram Nova-3 Deepgram$0.014 오디오 분당전사
Deepgram Nova-3 Stream Deepgram$0.025 오디오 분당전사
OpenAI Whisper 1 OpenAI$0.030 분당오디오 분당

그 밖의 모델: Sonilo Proofread, Qwen Audio 3.1 ASR, Qwen Audio 3.1 ASR Stream, Qwen Audio 3.1 ASR Message

자주 묻는 질문

speech-to-text ASR과 같은 건가요?

네. 자동 음성 인식(ASR)은 음성을 텍스트로 변환하는 기술적 명칭이며, speech-to-text 또는 전사 API를 통해 코드에 이를 사용할 수 있습니다.

speech-to-text API가 서로 다른 스피커를 구분할 수 있나요?

네, 다이어리제이션을 지원하는 모델에서요. 대본에는 각 부분에 화자가 붙어 있어서 누가 무슨 말을 했는지 확인할 수 있어요.

라이브 오디오를 전사할 수 있나요?

네. 라이브 전사 모델은 사용자가 말하는 동안 WebSocket을 통해 텍스트를 스트리밍합니다. 녹음은 대신 파일 전사 엔드포인트를 사용합니다.

필사 API에서 자막을 받을 수 있나요?

네, SRT나 VTT를 반환하는 모델에서는 그렇습니다. 이 자막 형식들은 각 텍스트 줄에 시작 시간과 종료 시간을 포함합니다.

speech-to-text 가격은 어떻게 책정되나요?

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.

EmpirioLabs AI에서 가장 저렴한 전사 모델은 무엇인가요?

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.

더 나은 엔드포인트를 사용할 준비가 되셨나요?

저희 가격을 확인하시거나 저희 스택에 자체 모델을 배포하고 싶으시면 연락해 주세요.