2026년 추천 음성 텍스트 변환(STT) 모델

저희가 리뷰한 음성 텍스트 변환(STT) 모델 14개 중 현재 추천은 NVIDIA Nemotron 3.5 Transcribe, ElevenLabs Scribe v2 및 Voxtral 3 (Transcribe and TTS)입니다. 각 제품을 저희 평점순으로 정렬하고 가격, 평가 요약, 추천 대상을 적었습니다.

작성: Andrew Miller · 2026년 11월 2일 업데이트 · 리뷰 방법

순위 산정 방법: 각 제품의 가격, 문서, 정책, 그리고 독립 벤치마크가 있으면 그것까지 바탕으로 한 리뷰의 5점 만점 평점순으로 정렬합니다. 모든 정보는 리뷰에 적힌 날짜에 확인했습니다. 제휴 수수료는 받지 않습니다.

1
NVIDIA Nemotron 3.5 Transcribe
정확도에서 최고의 오픈 경쟁 모델과 대등하고, 화자 분리, 번역, 사용자 어휘를 프롬프트 하나에 담는 오픈 음성 모델입니다. 호스팅 가격은 시간당 $0.12입니다.
추천 대상: 녹음된 통화, 회의, 미디어를 대량으로 전사하며, 여러 모델을 이어 붙이지 않고 화자 라벨과 도메인 어휘를 원하는 팀.
가격: OpenMDW-1.1 오픈 가중치. DeepInfra: 오디오 1분당 $0.002(시간당 $0.12). OpenRouter는 거의 같은 요금으로 DeepInfra에 라우팅합니다.
NVIDIA Nemotron 3.5 Transcribe 리뷰 읽기
4.5/5
2
ElevenLabs Scribe v2
Scribe v2는 정확하게 전사하고 가림 처리와 화자 작업까지 대신해 줍니다. 하지만 이제 Microsoft가 절반도 안 되는 가격에 더 나은 정확도를 판매합니다.
추천 대상: 정확한 전사와 함께 화자 표시와 가림 처리가 필요한 회의, 미디어, 임상 제품.
가격: API: Scribe v2와 v2 Medical은 오디오 시간당 $0.22, Scribe v2 Realtime은 시간당 $0.39, 핵심어 프롬프팅은 시간당 $0.05가 추가됩니다. 월 $6부터 시작하는 요금제에 시간이 포함됩니다.
ElevenLabs Scribe v2 리뷰 읽기
4.4/5
3
Voxtral 3 (Transcribe and TTS)
독립 전사 테스트에서 최상위권이면서 분당 3분의 1센트이고 EU 엔드포인트도 있습니다. 음성 출력은 그저 경쟁력 있는 수준이고, 이번에는 오픈 웨이트가 없습니다.
추천 대상: 특히 유럽에서 대량의 회의, 통화, 미디어를 전사하며 낮은 분당 비용에 최상위 정확도를 원하는 팀.
가격: Mini Transcribe 3 분당 $0.0035, Small Transcribe 3 분당 $0.0040, Mini Transcribe Realtime 3 분당 $0.008, TTS 3 100만 자당 $13입니다(보도된 출시 가격).
Voxtral 3 (Transcribe and TTS) 리뷰 읽기
4.4/5
4
Gemini 3.5 Transcribe
대부분의 전사 작업에 충분할 만큼 정확하고 저렴합니다. 하지만 어느 기준으로 봐도 더 이상 당연한 선택은 아닙니다.
추천 대상: 이미 Gemini API를 쓰고 있으며, 한 공급업체에서 분당 약 0.5센트로 파일 전사와 스트리밍 전사를 원하는 팀.
가격: Transcribe는 분당 약 $0.005(1M 토큰당 입력 $2 / 출력 $12), Transcribe Live는 분당 약 $0.009($3.50 / $21). AI Studio와 API에 무료 등급 있음.
Gemini 3.5 Transcribe 리뷰 읽기
4.2/5
5
Moondream Parakeet Redux
CPU나 Mac에서 전사할 때 Parakeet Redux는 영어 정확도를 조금, 소음 내성을 많이 내주는 대신 크기는 7분의 1, 속도는 두 배 이상인 모델을 줍니다.
추천 대상: 비교적 깨끗한 음성을 CPU, 노트북, Mac에서 전사하며, GPU 없이 Parakeet의 25개 언어를 쓰고 싶은 개발자.
가격: CC BY 4.0의 무료 가중치입니다(출처 표시 시 상업적 사용 가능). 무료 moondream Python 패키지로 로컬에서 실행합니다.
Moondream Parakeet Redux 리뷰 읽기
4.1/5
6
Parakeet TDT 0.6B v3
Parakeet v3는 전사 분야의 속도 기록 보유자입니다. 정확도는 Whisper급이고, 지원 범위는 유럽에서 딱 끊깁니다.
추천 대상: 유럽 언어 오디오를 대량으로 전사하며 속도와 낮은 비용을 중시하는 개발자.
가격: CC BY 4.0으로 무료입니다. Together AI의 호스팅 버전은 분당 $0.0015($1.50 per 1,000 minutes)입니다.
Parakeet TDT 0.6B v3 리뷰 읽기
4.1/5
7
Phonon-2
Phonon-2는 크기를 15분의 1로 줄이고 정확도는 거의 그대로 유지한 Parakeet입니다. 덕분에 앱 다운로드 안에 쓸 만한 영어 받아쓰기를 넣을 수 있게 되었습니다.
추천 대상: 수 기가바이트짜리 모델을 배포하지 않고 노트북, 휴대폰, CPU 서버에서 정확한 영어 음성 인식이 필요한 앱 개발자.
가격: 가중치는 CC-BY-4.0으로 무료이고, CLI와 코드는 Apache 2.0입니다. Detta 앱은 Apple Silicon Mac에서 무료입니다.
Phonon-2 리뷰 읽기
4.1/5
8
pyannote speaker-diarization-community-1
화자를 구분하는 오픈 기본값의 자리는 여전히 지키고 있고 3.1보다 분명히 나아졌습니다. 하지만 같은 제작사의 유료 모델은 어려운 오디오에서 오류가 약 3분의 1 적습니다.
추천 대상: 허용적인 라이선스로 화자 라벨이 필요한, 자체 호스팅 회의, 통화, 팟캐스트 전사를 만드는 엔지니어.
가격: CC BY 4.0으로 무료입니다. pyannoteAI 호스팅은 오디오 1시간당 €0.035입니다. 유료 Precision-3 모델은 1시간당 €0.112(Developer, 월 €19) 또는 €0.096(Starter, 월 €99)입니다.
pyannote speaker-diarization-community-1 리뷰 읽기
4.1/5
9
Deepgram Nova-3
Nova-3는 실시간 통화 오디오에 쓸 만큼 빠르고 쌉니다. 하지만 중립적인 테스트에서는 정확도 선두권보다 오류가 두 배 넘게 많습니다.
추천 대상: 자체 서버를 포함해 전화 오디오를 빠르고 높은 동시성으로 받아써야 하는 콜센터와 실시간 자막 팀.
가격: 녹음 오디오는 종량제로 $0.0043/분(단일 언어) 또는 $0.0052/분(다국어)입니다. 스트리밍은 프로모션가 $0.0048/분, 정가 $0.0077입니다. 연 $4,000부터 시작하는 Growth 플랜이 더 쌉니다. 무료 크레딧은 $200입니다.
Deepgram Nova-3 리뷰 읽기
4.0/5
10
GPT Transcribe
OpenAI를 쓰는 곳에는 합리적인 업그레이드입니다. 다만 이 모델이 기대고 있는 지원 종료로 화자 구분과 타임스탬프가 사라지며, 이 모델은 그것을 되돌려주지 않습니다.
추천 대상: 2027년 2월 전에 Whisper나 GPT-4o Transcribe에서 옮겨야 하고, 화자 구분이나 타임스탬프가 필요 없는 OpenAI API 사용 팀.
가격: 오디오 분당 $0.0045(1,000분당 $4.50), Batch 미지원. 스트리밍용 gpt-live-transcribe는 분당 $0.017입니다.
GPT Transcribe 리뷰 읽기
3.9/5
11
MOSS-Transcribe-Diarize 0.9B
MOSS-Transcribe-Diarize는 모델 두 개로 이루어진 회의 파이프라인을 작은 모델 하나로 대체합니다. 벤치마크 우위는 대부분 중국어 표준어(Mandarin)에서 나왔습니다.
추천 대상: 자체 GPU로 긴 다화자 녹음, 특히 중국어 녹음을 받아쓰면서 별도 화자 분리 모델 없이 화자 라벨을 얻고 싶은 팀.
가격: Apache 2.0으로 무료입니다. 더 큰 Pro 모델은 MOSI의 온라인 플레이그라운드에서 제공되며, API 가격은 공개되지 않았습니다.
MOSS-Transcribe-Diarize 0.9B 리뷰 읽기
3.9/5
12
VibeVoice-ASR
VibeVoice-ASR은 1시간짜리 회의를 한 번에 화자가 표시된 전사문으로 바꾸지만, 정확도 수치는 아직 모두 Microsoft 자체 측정입니다.
추천 대상: 별도 화자 분리 단계 없이 화자 표시를 원하며, 자체 하드웨어로 여러 사람이 말하는 긴 녹음을 전사하는 팀.
가격: MIT 라이선스로 무료입니다. Azure AI Foundry Labs에서도 쓸 수 있습니다.
VibeVoice-ASR 리뷰 읽기
3.8/5
13
Whistle
16.9 MB에 쓸 만한 7개 언어 음성 인식을 담았지만, 업체는 엔진을 비공개로 두고 텔레메트리를 켜 둡니다.
추천 대상: Whisper를 올리기에는 너무 작은 하드웨어에서 유럽 언어 오프라인 음성 명령이 필요한 기기 제조사.
가격: Apache 2.0 오픈 웨이트로 무료이며, 사전 빌드된 엔진도 무료로 내려받을 수 있습니다. Cactus는 자사 플랫폼에서 파인튜닝과 배포 지원을 판매하며, 가격은 공개하지 않습니다.
Whistle 리뷰 읽기
3.8/5
14
Whisper large-v3-turbo
Whisper turbo는 이제 이기는 모델이 아니라, 새 음성 모델들이 비교 기준으로 삼는 저렴하고 제약 없는 기준선입니다.
추천 대상: 자체 호스팅하거나 시간당 몇 센트에 살 수 있는 저렴하고 관대한 라이선스의 전사가 필요하고, 2군 수준의 정확도를 감수할 수 있는 팀.
가격: MIT 라이선스로 무료입니다. 호스팅 버전도 저렴합니다. Artificial Analysis는 Groq를 1,000분당 약 $0.67로 표시합니다.
Whisper large-v3-turbo 리뷰 읽기
3.7/5