AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)의 개요
AssemblyAI-STT-3.7은 2026년 11월 18일 발표된 세 가지 음성 인식 모델 제품군입니다. STT-3.7은 녹음된 오디오를 처리하고, STT-3.7-Realtime은 실시간 회의, 통화, 자막용으로 스트림 안에서 화자 라벨을 붙입니다. STT-3.7-Realtime-Agent는 음성 에이전트에 맞춰 조정된 모델로, 봇과 대화하는 사람의 말을 듣고 발화 차례가 끝났는지 판단합니다.
세 모델 모두 지원 언어가 18개에서 32개로 늘었고, 언어 자동 감지와 대화 중 언어 전환을 지원합니다. 녹음된 오디오에서는 이전 모델인 Universal-2를 함께 쓰면 99개 언어까지 넓어집니다. 핵심 용어로 어휘를 조정할 수 있고, 실시간 모델에서는 400자 프롬프트도 쓸 수 있습니다.
이 제품군은 Universal-3.5 Pro와 Universal-Streaming 모델을 대체합니다. 엔드포인트와 메시지 형식은 그대로지만 기본값 두 가지가 바뀌었습니다. 이제 군말이 그대로 남고 텍스트 서식이 켜져 있습니다.
AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| STT-3.7 | $0.21 an hour | 녹음된 오디오, 32개 언어, Universal-2로 99개까지 보완 |
| STT-3.7-Realtime | $0.30 an hour | 실시간 회의, 통화, 자막과 실시간 화자 라벨 |
| STT-3.7-Realtime-Agent | $0.45 an hour | 음성 에이전트용, 발화 종료 감지 포함 |
STT-3.7은 시간당 $0.21, STT-3.7-Realtime은 시간당 $0.30, STT-3.7-Realtime-Agent는 시간당 $0.45입니다. 녹음된 오디오의 화자 라벨은 시간당 $0.02가 추가됩니다. Universal-2는 시간당 $0.15로 유지되며, $50 무료 크레딧이 있습니다.
AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent), 쓸 만한 가치가 있습니까?
AssemblyAI는 이번 출시를 전화 통화 중심으로 설계했고, 그 점이 결과에 드러납니다. 자체 보유한 음성 에이전트 통화 12,460건으로 26개 스트리밍 모델을 비교한 결과, STT-3.7-Realtime-Agent의 단어 오류율은 4.53%로 Soniox의 새 v6(6.02%)보다 낮았고, 숫자 오류는 이전 모델의 11.28%에서 2.27%로 줄었습니다. 최종 전사문은 발신자가 말을 멈춘 뒤 86밀리초 만에 도착합니다. 독립 평가인 Voice Arena에서도 미국 영어 스트리밍 부문 1위이며 의미 오류율은 2.45%입니다.
녹음된 오디오에서는 경쟁이 더 치열합니다. Artificial Analysis는 STT-3.7의 단어 오류율을 2.5%로 측정했는데, 순위는 12위로 1.9%인 ElevenLabs Scribe v3에 뒤집니다. 반면 화자 구분에서는 AssemblyAI가 앞섭니다. 영어 대화 데이터셋 6개에서 화자 분리 오류율이 10.7%로 ElevenLabs의 12.0%보다 낮았고, 테스트한 다른 업체 중 15% 아래는 없었습니다. 모두 AssemblyAI가 8월부터 11월 사이에 측정한 수치입니다.
주의할 점: 기본값이 슬그머니 바뀝니다. 군말과 서식이 이제 기본으로 켜져 있으므로, 문장부호 없는 깔끔한 텍스트를 기대하는 후속 코드는 점검이 필요합니다. 또 32개 언어 밖의 녹음 오디오는 Universal-2를 지정하지 않으면 더 이상 자동으로 다른 모델로 넘어가지 않습니다. Universal-3.5 Pro Realtime은 2027년 2월 1일 종료됩니다.
결론: 음성 에이전트라면 시간당 $0.45로 시끄럽고 숫자가 많은 통화에서 가장 많은 근거를 갖춘 모델을 쓸 수 있습니다. 전사 아카이브에는 $0.21의 배치 모델이 무난한 기본 선택이지만, 가장 낮은 오류율을 찾는 구매자라면 두세 곳의 경쟁 모델이 더 앞서 있다는 점을 알게 될 것입니다.
제 역할을 하는 곳
약국 체인의 자동 처방 재발급 전화선
처방 번호와 생년월일을 한 번에 정확히 받아 적기
약품명을 핵심 용어로 넣고 통화를 assemblyai-stt-3-7-realtime-agent로 스트리밍합니다. AssemblyAI는 숫자 오류가 이전 모델보다 80% 줄었다고 밝혔으며, 통화 10,000시간에 약 $4,500가 듭니다.
영업 분석 스타트업
영어, 스페인어, 독일어로 녹음된 영업 상담 통화에서 누가 무엇을 말했는지 표시하기
화자 라벨을 붙인 STT-3.7 배치 처리로 시간당 $0.23($0.21에 화자 분리 $0.02 추가)입니다. 여러 언어가 섞인 통화도 언어를 미리 고르지 않고 처리됩니다.
도입 전 확인할 점
- 설정
- 기존 전사 엔드포인트에서 speech_models를 ["assemblyai-stt-3-7"]로 설정하거나, 스트리밍 소켓을 assemblyai-stt-3-7-realtime 또는 -realtime-agent로 연결합니다. 프로토 콜 변경은 없습니다.
- 연동
- AssemblyAI REST·스트리밍 API와 SDK, LiveKit·Pipecat용 레퍼런스 에이전트. AssemblyAI-TTS-1과 함께 쓰면 AssemblyAI 테스트에서 한 차례 대화 왕복이 약 250 ms였습니다.
- 데이터와 개인정보
- AssemblyAI 데이터 정책은 개인정보를 가린 뒤 고객 오디오를 기본적으로 학습에 사용합니다. 유료 계정은 거부할 수 있고, BAA 계정과 EU 계정은 항상 제외됩니다. 가중치는 공개되지 않았습니다.
- 대규모 사용 시 비용
- 녹음 오디오 100,000시간은 약 $21,000, 같은 양을 에이전트 모델로 처리하면 $45,000입니다. 스트리밍은 유휴 시간을 포함해 소켓이 열려 있는 전체 시간에 대해 과금됩니다.
- 제한
- 기본 지원 언어는 32개이며 나머지는 Universal-2가 필요합니다. Realtime 모델에는 발화 종료 감지가 없습니다(Agent 모델 사용). Universal-3.5 Pro Realtime은 2027년 2월 1일 종료됩니다.
좋은 점
- 에이전트 통화 12,460건에서 오류율 4.53%, AssemblyAI 테스트의 스트리밍 모델 26개 중 최저
- 에이전트 모델은 발화 종료 후 86 ms 만에 최종 텍스트
- 녹음 오디오 화자 분리 오류율 10.7%로 ElevenLabs보다 우수
- 언어 전환을 지원하는 32개 언어, Universal-2로 99개
아쉬운 점
- Artificial Analysis에서 2.5%로 12위, Scribe v3보다 뒤처짐
- 비교 수치 대부분이 AssemblyAI 자체 자료
- 바뀐 기본값이 Universal-3.5 Pro용 파서를 깨뜨릴 수 있음
- 에이전트 모델은 배치 요금의 두 배가 넘음
추천 대상
숫자, 이름, 발화 교대를 정확히 처리해야 하는 전화·웹 음성 에이전트 개발팀과, 누가 무엇을 말했는지를 가장 중시하는 통화 분석팀.
AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) 대안
AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent): 자주 묻는 질문
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent), 쓸 만한 가치가 있습니까?
- AssemblyAI가 제 몫을 하는 곳은 음성 에이전트 모델입니다. 일반 녹음 오디오에서는 좋고 저렴하지만 더 이상 최고라고 하기는 어렵습니다. 평점은 5점 만점에 4.4점입니다.
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)의 가격은 얼마입니까?
- STT-3.7은 시간당 $0.21, STT-3.7-Realtime은 시간당 $0.30, STT-3.7-Realtime-Agent는 시간당 $0.45입니다. 녹음된 오디오의 화자 라벨은 시간당 $0.02가 추가됩니다. Universal-2는 시간당 $0.15로 유지되며, $50 무료 크레딧이 있습니다.
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)의 단점은 무엇입니까?
- Artificial Analysis에서 2.5%로 12위, Scribe v3보다 뒤처짐; 비교 수치 대부분이 AssemblyAI 자체 자료; 바뀐 기본값이 Universal-3.5 Pro용 파서를 깨뜨릴 수 있음; 에이전트 모델은 배치 요금의 두 배가 넘음.
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)에 적합한 사람은 누구입니까?
- 숫자, 이름, 발화 교대를 정확히 처리해야 하는 전화·웹 음성 에이전트 개발팀과, 누가 무엇을 말했는지를 가장 중시하는 통화 분석팀.
- 팀이나 프로덕션 환경에서 AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)의 비용은 얼마입니까?
- 녹음 오디오 100,000시간은 약 $21,000, 같은 양을 에이전트 모델로 처리하면 $45,000입니다. 스트리밍은 유휴 시간을 포함해 소켓이 열려 있는 전체 시간에 대해 과금됩니다.
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)에 회사 데이터를 맡겨도 안전합니까?
- AssemblyAI 데이터 정책은 개인정보를 가린 뒤 고객 오디오를 기본적으로 학습에 사용합니다. 유료 계정은 거부할 수 있고, BAA 계정과 EU 계정은 항상 제외됩니다. 가중치는 공개되지 않았습니다.
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 ElevenLabs Scribe v3 and Scribe v3 Live, Soniox STT v6 (stt-rt-v6 and stt-async-v6), Deepgram Nova-3 및 Voxtral 3 (Transcribe and TTS)입니다.
답변 확인일: 2026년 11월 21일.