본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

음성 인식(Speech-to-text)

음성 인식(speech-to-text)은 자동 음성 인식(ASR)이라고도 하며, 말소리 오디오를 글로 바꾸는 소프트웨어입니다. 전사, 자막, 음성 명령, 그리고 음성 에이전트의 듣는 쪽을 맡습니다.

다른 이름: ASR, automatic speech recognition, transcription, STT

작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식

음성 인식 모델은 보통 짧은 프레임으로 나눈 오디오를 받아 들리는 단어를, 흔히 타임스탬프와 함께 출력합니다. 회의록, 팟캐스트 녹취, 자막, 통화 분석, 그리고 모든 음성 에이전트의 첫 단계입니다.

작동 방식

현대 ASR 모델은 오디오와 텍스트 쌍을 대량으로 학습한 신경망입니다. OpenAI의 Whisper가 잘 알려진 예입니다. 웹에서 모은 680,000시간 분량의 오디오와 녹취로 학습했으며, 작업별 파인튜닝 없이 여러 언어를 처리합니다. openai-whisper나 Whisper large v3 turbo 같은 더 작은 변형으로 직접 실행할 수 있습니다.

비교할 것

내 것과 비슷한 오디오에서의 단어 오류율, 속도, 실시간 사용을 위한 스트리밍 지원, 언어 범위, 문장 부호, 분당 가격입니다. 깨끗한 오디오에서의 벤치마크 점수는 잡음 많은 전화 통화에서의 결과보다 훨씬 좋아 보일 수 있습니다.

관련 용어

ASR은 무슨 말을 했는지 알려 줍니다. 화자 분리는 누가 말했는지 알려 주며, 많은 전사 도구가 둘을 결합합니다. 반대 방향은 음성 합성입니다.

한계

억양, 동시 발화, 배경 소음, 분야별 전문 용어는 오류율을 높입니다. 일부 모델은 침묵이나 음악 구간에서 단어를 지어내기도 하며, 이는 환각의 한 형태입니다.

관련 용어

음성 합성(Text-to-speech)
음성 합성(text-to-speech, TTS)은 글로 쓴 텍스트를 말소리 오디오로 바꾸는 소프트웨어입니다. 현대 TTS는 텍스트로부터 말소리를 예측하는 신경망을 쓰고, 이를 파형으로 렌더링합니다.
화자 분리(Speaker diarization)
화자 분리(speaker diarization)는 오디오 녹음을 화자별로 나눠, 말한 구간마다 누가 말했는지 레이블을 붙이는 작업입니다. "누가 언제 말했는가"라는 질문에 답합니다.
음성 에이전트(Voice agent)
음성 에이전트(voice agent)는 실시간으로 음성 대화를 나누는 AI 에이전트로, 사람의 말을 듣고, 무엇을 말하거나 할지 정하고, 합성 음성으로 답하며, 흔히 전화선이나 앱을 통해 작동합니다.
음성 대 음성 모델(Speech-to-speech model)
음성 대 음성 모델(speech-to-speech model)은 음성을 먼저 텍스트로 바꿨다가 되돌리지 않고, 말소리 오디오를 받아 말소리 오디오를 직접 내놓는 모델입니다. 실시간 음성 대화와 통역에 쓰입니다.
환각(AI)
환각(hallucination)은 AI 모델의 출력이 유창하고 자신감 있게 들리지만 거짓이거나, 출처의 뒷받침이 없거나, 지어낸 것인 경우를 말합니다. 꾸며 낸 인용, 발언, 통계, API 함수 등이 그 예입니다.

출처