회의록은 하나의 작업처럼 보이지만 실제로는 두 가지입니다. 음성을 텍스트로 바꾸는 일, 그리고 텍스트를 결정 사항과 실행 항목으로 바꾸는 일입니다. 각 단계는 저마다의 방식으로 실패합니다. 잘못 전사된 방언 단어 하나가 잘못된 실행 항목이 되고, 요약을 잘하는 모델도 담당자를 지어낼 수 있습니다. 이 글은 아랍어 회의용 파이프라인을 만들고, 어디에 확인 장치를 둘지 보여 줍니다.
파이프라인은 어떻게 생겼나요?
recording (.m4a, .mp4, .webm)
→ ffmpeg: 16 kHz mono, split at silences
→ speech to text, language=ar, one request per chunk
→ join the transcript, clean obvious noise
→ split the transcript into sections
→ LLM: summary, decisions, action items, open questions (JSON) per section
→ LLM: merge the sections into one set of minutes
→ human review → send
이 글의 나머지 부분에서 단계별로 살펴봅니다.
1단계: 긴 아랍어 회의는 어떻게 전사하나요?
노트북으로 녹음한 1시간짜리 회의는 대개 업로드 한도보다 훨씬 큽니다. BroadNet Inference는 파일당 최대 26,214,400바이트의 WAV나 MP3를 받으므로, 먼저 16 kHz 모노로 변환하고 무음 구간에서 나누세요. 병렬 요청과 텍스트를 순서대로 합치는 과정을 포함한 전체 스크립트는 25 MB가 넘는 긴 오디오 전사하기에 있습니다.
아랍어 회의에서 중요한 설정 세 가지:
- 모든 조각에
language="ar"을 보내세요. BroadNet 문서는 그렇지 않으면 아랍어가 라틴 문자로 음역되어 돌아올 수 있다고 경고합니다. - 아랍어 중심의 회의에는 아랍어 모델을 쓰세요.
broadnet/cohere-transcribe-arabic입니다. 이 모델이 지원하는 다른 언어가 주로 쓰이는 회의라면broadnet/cohere-transcribe모델이 분당 $0.002 요금입니다. - 원본 녹취록을 보관하세요. 검토와 4단계의 인용문에 필요합니다.
걸프 지역 비즈니스 회의에서는 아랍어와 영어가 섞이는 것이 보통입니다. 평소 쓰는 언어 조합으로 녹음한 파일로 테스트하세요. 오류는 영어 제품명과 숫자에서 드러납니다. 무엇을 들어 봐야 하는지는 아랍어 방언 음성 인식에서 다룹니다.
화자 이름을 얻을 수 있나요?
일반 텍스트 녹취록으로는 안 됩니다. BroadNet의 전사 응답은 text 필드 하나만 있는 JSON으로, 화자도 타임스탬프도 없습니다. (조각 오프셋으로 자막 타이밍을 만드는 방법은 텍스트 전용 API로 아랍어 자막 만들기를 참고하세요.) 선택지는 세 가지입니다.
| 상황 | 할 일 |
|---|---|
| 참석자마다 별도 트랙이나 채널로 녹음 | 트랙별로 따로 전사하면 트랙이 곧 화자 |
| 2채널 통화 녹음 | 콜센터 파이프라인처럼 ffmpeg로 채널 분리 |
| 섞인 트랙 하나인데 화자가 필요함 | 화자 분리를 반환하는 제공업체 사용. 비교는 구매 가이드 참고 |
섞인 트랙 하나라도, 누군가 이름을 말하면 LLM이 담당자를 찾을 수 있습니다. 예: “Khalid will send the quote by Thursday.”(칼리드가 목요일까지 견적을 보낼 겁니다.) 해서는 안 되는 것은 맥락으로 담당자를 추측하는 것입니다. 아래 프롬프트가 이를 금지합니다.
2단계: 요약하기 전에 왜 녹취록을 나눠야 하나요?
이유는 두 가지입니다. 첫째, 컨텍스트입니다. 1시간 분량의 대화는 작은 모델에는 너무 길 수 있습니다. BroadNet Gemma 4 VL 26B의 컨텍스트는 32,768 토큰이며, 긴 아랍어 회의는 이를 넘을 수 있습니다. 아랍어 토큰 계산기로 직접 세어 보세요. 아랍어와 영어의 단어당 토큰 수에서 보듯, 아랍어는 대개 영어보다 단어당 토큰이 더 많이 필요합니다.
둘째, 정확도입니다. 긴 입력에 관한 연구에 따르면 모델 성능은 “significantly degrades when models must access relevant information in the middle of long contexts”(번역: 긴 컨텍스트의 중간에 있는 관련 정보에 접근해야 할 때 크게 떨어집니다)(Liu et al.). 70분 회의의 35분째에 내린 결정이 바로 그런 경우입니다. 10~15분씩 구간을 나눠 요약한 다음 합치면, 모든 부분이 프롬프트의 시작 부분 가까이에 놓입니다.
오디오를 나눌 때 쓴 무음 지점에서 똑같이 나누세요. 그러면 구간이 문장 중간에서 시작하지 않습니다.
3단계: 어떤 모델이 회의록을 작성해야 하나요?
| 모델 | 컨텍스트 | 회의록 관련 참고 | 100만 토큰당 입력 / 출력 |
|---|---|---|---|
| Qwen3.8 27B | 262,144 | BroadNet이 아랍어로 테스트: 유창한 작문, 걸프 및 이집트 방언 이해. 구조화된 출력 지원 명시 | $0.175 / $2.17 |
| GLM 5.3 | 1,048,576 | 구조화된 출력 지원 명시. 텍스트 전용 | $0.78 / $3.46 |
| DeepSeek V4.1 Flash | 1,048,576 | 세션당 월 $60 요금의 정액 플랜도 있음. 한 번에 요청 1개 | $0.175 / $0.52 |
BroadNet이 아랍어로 테스트한 모델이니 Qwen3.8 27B로 시작하세요. 실제 회의 세 건으로 다른 모델 하나와 비교 테스트하고, 원어민에게 점수를 매기게 하세요. 채점표는 아랍어용 LLM 고르기에 있습니다.
세 모델 모두 답하기 전에 추론하며, 추론은 max_tokens에 포함됩니다. 회의록은 길기 때문에 수천 토큰을 허용하세요. 그렇지 않으면 눈에 보이는 답변이 비어서 돌아올 수 있습니다. 그런 일이 생기는 이유를 참고하세요.
4단계: 어떤 프롬프트가 믿을 만한 회의록을 만드나요?
JSON을 요청하고, 모든 항목마다 녹취록을 인용하게 하세요. 인용문이 있어야 검토자가 녹취록 전체를 다시 읽지 않고 몇 초 만에 실행 항목을 확인할 수 있습니다.
import json, os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
SYSTEM = """You write meeting minutes from an Arabic meeting transcript section.
Return JSON only, with these keys:
"summary": 2-4 sentences in Modern Standard Arabic,
"decisions": [{"text": ..., "quote": ...}],
"actions": [{"task": ..., "owner": ..., "due": ..., "quote": ...}],
"open_questions": [{"text": ..., "quote": ...}]
Rules:
- "quote" is the exact words from the transcript that support the item.
- "owner" is a name only if the transcript says who will do it. Otherwise null.
- "due" only if a date or day is said. Keep it as said, e.g. "الخميس". Otherwise null.
- Keep names, numbers and amounts exactly as in the transcript. Never guess."""
def minutes_for(section):
r = client.chat.completions.create(
model="broadnet/qwen3.8-27b",
max_tokens=4000,
messages=[{"role": "system", "content": SYSTEM},
{"role": "user", "content": section}])
return json.loads(r.choices[0].message.content)
그다음 코드로 검증하세요. JSON을 파싱하고, 키를 확인하고, 모든 quote가 실제로 그 구간에 있는지 확인하세요. 인용문이 녹취록에 없는 항목은 모델이 지어낸 것입니다. 버리거나 표시해 두세요. JSON이 파싱되지 않으면 오류 메시지를 넣어 한 번 재시도하세요. 검증 루프는 JSON 모드 vs json_schema에 나옵니다. BroadNet 문서는 GLM 5.3과 Qwen3.8 27B에 구조화된 출력을 명시하지만 요청 파라미터 이름은 밝히지 않으므로, 기대기 전에 테스트하세요.
영어 회의록을 원하면 요약 줄을 영어로 바꾸고 “Keep each quote in the original Arabic.”(각 인용문은 원래 아랍어로 유지하세요.)을 추가하세요. 문체, 숫자 표기, 여러 문자 체계가 섞인 텍스트는 아랍어 프롬프트 엔지니어링 글에서 더 자세히 다룹니다.
5단계: 구간 결과를 하나의 회의록으로 어떻게 합치나요?
모든 구간 결과를 마지막 요청 하나에 담아 보내고, 모델에게 다음을 요청하세요.
- 회의 전체에 대한 요약 하나를 작성합니다.
- 중복된 결정 사항과 실행 항목을 합칩니다. 같은 작업이 두 번 언급되는 경우가 많습니다.
- 각 항목의 인용문을 유지합니다.
- 뒤쪽 구간에서 담당자나 날짜가 바뀌었다면 그 실행 항목을 변경됨으로 표시합니다.
합치기 단계의 입력은 작습니다. 녹취록이 아니라 각 구간의 JSON이기 때문입니다. 위 세 모델 중 어느 것으로 합쳐도 컨텍스트에 한참 여유가 있습니다.
회의 한 건의 비용은 얼마인가요?
| 단계 | 과금 대상 | 가격 |
|---|---|---|
| 전사 | 오디오 분 | 분당 $0.0042, 시간당 $0.25 |
| 구간 요약 | 녹취록 토큰 입력, JSON 출력 | Qwen3.8 27B: 100만 토큰당 입력 $0.175, 출력 $2.17 |
| 합치기 | 작은 JSON 입력과 출력 | 같은 요율 |
전사는 대개 고정된 부분입니다. LLM 부분은 녹취록 길이와 모델이 얼마나 추론하는지에 달려 있습니다. 처음 몇 건의 실제 회의에서 prompt_tokens와 completion_tokens를 읽은 다음 LLM API 비용 계산기로 곱해 보세요. 오디오 쪽은 음성 인식 비용 계산기가 계산해 줍니다. $5 상당의 초기 크레딧은 전사 모델에 쓸 수 있으며, 아랍어로 약 1,190분 분량입니다. Qwen3.8 27B는 충전이 필요합니다.
피해야 할 실수는 무엇인가요?
- 회의 전체를 프롬프트 하나로 요약하기. 중간에 나온 항목이 빠집니다.
- 모델이 빈칸을 채우게 두기. 말한 적 없는 담당자와 날짜는 AI 회의록에서 가장 흔한 오류입니다. null을 기본값으로 하세요.
- 너무 일찍 번역하기. 아랍어로 전사하고 추출한 다음 회의록을 번역하세요. 녹취록부터 번역하면 정확한 인용문을 잃습니다.
- 검토 건너뛰기. 회의록은 기록입니다. 회의에 참석한 사람이 내보내기 전에 읽어야 합니다.
- 녹음 파일을 영원히 보관하기. 꼭 보관해야 하는 경우가 아니라면 회의록이 승인된 뒤 오디오를 삭제하세요.
API 파이프라인이 맞지 않는 경우는 언제인가요?
회의 중 실시간 자막, 섞인 트랙 하나에서의 화자 라벨, 또는 팀이 오늘 바로 쓸 수 있는 완성된 앱이 필요하다면 전용 회의 제품이 더 빠른 길입니다. 아랍어 회의록을 판매하는 제품이 여럿 있습니다. 그들 페이지의 정확도 주장은 그들 자신의 주장이니, 자신의 녹음 파일로 비교하세요. API 방식은 회의록을 자체 시스템 안에서, 원하는 형식으로, 자체 보관 규칙에 따라 만들고 싶을 때 합리적입니다.
BroadNet Inference의 역할
BroadNet은 두 단계를 하나의 OpenAI 호환 키로 제공합니다. 분당 $0.0042 요금의 BroadNet Transcribe Arabic과, 회의록을 위한 아랍어 테스트를 거친 Qwen3.8 27B입니다. 개인정보 처리 방침에 따르면 요청 후 프롬프트, 오디오, 답변, 녹취록을 보관하지 않으며, 이는 내부 회의에서 중요합니다. 화자 라벨이나 타임스탬프는 반환하지 않고 실시간 전사도 없으니, 이런 기능이 필요하다면 다른 제공업체를 쓰세요. 아랍어 음성 인식 가이드로 시작한 다음, 위의 요약 단계를 추가하세요.
