---
title: "API로 아랍어 음성을 영어 텍스트로 번역하기 | BroadRouter"
description: "API 호출 두 번으로 아랍어 녹음을 영어 텍스트로: language=ar로 전사하고 LLM으로 번역합니다. 숫자 검사, 분할, 비용, 채점까지 함께 다룹니다."
url: https://broadrouter.com/ko/blog/translate-arabic-audio-to-english/
lang: ko
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/blog/translate-arabic-audio-to-english/) (2026-11-16 업데이트).

# API로 아랍어 음성을 영어 텍스트로 번역하기: 테스트한 파이프라인

BroadNet Inference 팀 · 8분 분량 · 게시 2026-11-15 · 업데이트 2026-11-16

두 단계로 처리하세요. 먼저 language를 ar로 설정해 음성 인식 API로 아랍어 오디오를 전사하고, 이름과 숫자를 유지하라고 지시한 LLM으로 전사본을 번역합니다. 긴 파일은 먼저 나누고, 숫자는 코드로 확인하고, 작은 샘플을 chrF로 채점해 전사 단계가 품질을 얼마나 떨어뜨리는지 확인하세요.

## 핵심 요약

-   두 단계 파이프라인(아랍어 전사 후 LLM 번역)은 아랍어 텍스트도 함께 남기므로 나중에 확인하고, 검색하고, 다시 번역할 수 있습니다.
-   OpenAI는 /v1/audio/translations를 지원 중단(deprecated)으로 표시하고 있으며(공지 2026년 8월 26일, 종료 2027년 2월 26일), 대체 엔드포인트는 /v1/realtime/translations입니다.
-   인식 오류는 번역으로 그대로 넘어갑니다. 같은 클립에서 사람이 만든 전사본의 번역과 ASR 전사본의 번역을 채점하세요. 그 차이가 음성 인식으로 잃는 품질입니다.
-   숫자는 코드로 확인하세요. 아랍-인도 숫자를 0-9로 바꾸고 각 숫자가 영어에 있는지 확인합니다.
-   통화나 자막 같은 실시간 오디오에는 파일 파이프라인보다 스트리밍 음성 번역 API가 더 맞습니다.

**이 페이지의 내용**

1.  호출 한 번인가요, 두 번인가요?
2.  파이프라인은 어떤 모습인가요?
3.  1단계: 오디오는 어떻게 준비하고 나누나요?
4.  2단계와 3단계: 어떻게 전사하고 번역하나요?
5.  인식 오류는 번역에 어떤 영향을 주나요?
6.  어떤 모델을 써야 하나요?
7.  오디오 1시간에 비용은 얼마인가요?
8.  이 파이프라인이 맞지 않는 경우는 언제인가요?
9.  BroadNet Inference의 역할

“아랍어 음성 영어 번역”으로 검색하면 상위에 나오는 페이지는 대부분 파일을 올리고 결과를 내려받는 웹 도구입니다. 파일 하나라면 그것으로 충분합니다. 하지만 지원 통화, 인터뷰, 음성 메시지, 강의처럼 내 제품 안에서 번역이 필요하다면, API 호출 두 번과 그 주변의 검사가 필요합니다. 이 글에서는 OpenAI 호환 키 하나로 그 파이프라인을 만들고, 테스트하고, 충분히 좋은지 측정하는 방법을 보여 줍니다.

이미 가진 아랍어 텍스트를 번역하려면 [LLM으로 하는 아랍어–영어 번역](https://broadrouter.com/ko/blog/arabic-english-translation-llm/)을 참고하세요. 회의 녹음을 전체 번역이 아니라 회의록으로 만들려면 [녹음에서 아랍어 회의록 만들기](https://broadrouter.com/ko/blog/arabic-meeting-minutes-from-recordings/)를 참고하세요.

## 호출 한 번인가요, 두 번인가요?

아랍어 음성에서 영어 텍스트를 얻는 방법은 두 가지입니다.

| 방식 | 작동 방법 | 적합한 용도 |
| --- | --- | --- |
| 음성 번역(한 단계) | 요청 하나로 서비스가 영어를 반환 | 실시간 오디오, 자막, 가장 단순한 코드 |
| 전사 후 번역(두 단계) | [음성 인식](https://broadrouter.com/ko/glossary/speech-to-text/) 호출이 아랍어 텍스트를 반환하고 LLM이 번역 | 파일, 아랍어도 필요할 때, 용어집과 검사 |

파일용으로 가장 잘 알려진 한 단계 엔드포인트는 바뀌고 있습니다. OpenAI의 음성 인식 가이드는 `/v1/audio/translations`가 “uses `whisper-1` to translate a completed audio recording into English”(번역: `whisper-1`을 사용해 완성된 오디오 녹음을 영어로 번역한다)라고 설명합니다. 2026-11-15에 확인한 [지원 중단 페이지](https://developers.openai.com/api/docs/deprecations)에는 공지일 2026년 8월 26일, 종료일 2027년 2월 26일이 나와 있습니다. 안내된 대체 엔드포인트는 `/v1/realtime/translations`인데, 이는 파일 업로드가 아니라 실시간 API입니다. 코드가 이전 엔드포인트를 호출한다면 어느 쪽이든 다시 만들어야 합니다.

Soniox는 현재 쓸 수 있는 한 단계 옵션 중 하나입니다. [아랍어-영어 페이지](https://soniox.com/speech-translation/arabic/english)에는 source `ar`, target `en`으로 설정한 translation 블록이 담긴 WebSocket 요청이 나와 있습니다. 이런 스트리밍 제품이 가장 잘 맞는 곳은 실시간 오디오입니다.

파일에서는 두 단계 파이프라인에 실용적인 장점이 세 가지 있습니다.

1.  **아랍어 전사본이 남습니다.** 검색할 수 있고, 영어 옆에 보여 줄 수 있고, 전사 비용을 다시 내지 않고 나중에 더 좋은 모델로 다시 번역할 수 있습니다.
2.  **번역을 직접 통제합니다.** 모델을 고르고, 이름과 제품 용어의 용어집을 주고, 출력을 코드로 확인할 수 있습니다.
3.  **오류가 어디서 오는지 볼 수 있습니다.** 틀린 영어 문장은 인식 오류이거나 번역 오류입니다. 전사본이 있으면 어느 쪽인지 알 수 있습니다.

대가는 요청 하나가 더 늘고 코드가 많아지는 것입니다. 이 글의 나머지는 그 코드입니다.

## 파이프라인은 어떤 모습인가요?

```text
recording (.m4a, .mp4, .ogg, .wav)
  → ffmpeg: 16 kHz mono WAV, parts of 10 minutes or less
  → transcribe each part (language=ar)        → Arabic text
  → translate each part, with glossary and the end of the previous part as context
  → check numbers and empty or cut-off replies → English text
```

## 1단계: 오디오는 어떻게 준비하고 나누나요?

BroadNet의 전사 엔드포인트는 파일당 26,214,400바이트까지의 WAV(`audio/wav`)나 MP3(`audio/mpeg`)를 받습니다. 전화 녹음(`.m4a`), WhatsApp 음성 메시지(`.ogg`), 동영상은 어차피 변환해야 하므로, 같은 ffmpeg 단계에서 리샘플링과 분할을 함께 하세요.

```bash
ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le \
  -f segment -segment_time 600 chunks/part_%03d.wav
```

16kHz 모노 16비트 오디오는 초당 32,000바이트이므로, 10분짜리 조각은 약 19.2MB로 한도 안에 들어갑니다. 25분짜리 테스트 파일로 돌려 보니 19,200,162바이트와 19,200,194바이트짜리 조각 두 개, 그리고 9,599,878바이트짜리 5분 조각 하나가 나왔습니다.

고정 길이로 자르면 단어가 잘릴 수 있습니다. 실제 음성은 무음 구간에서 자르세요. 무음 기반 분할기는 [긴 오디오 파일 전사하기](https://broadrouter.com/ko/blog/transcribe-long-audio-files-api/)에 있고, [오디오 분할 도구](https://broadrouter.com/tools/audio-splitter-ffmpeg/)가 ffmpeg 명령을 대신 써 줍니다. [샘플링 레이트](https://broadrouter.com/ko/glossary/sample-rate/)와 음성에는 16kHz면 충분한 이유는 용어집에서 설명합니다.

## 2단계와 3단계: 어떻게 전사하고 번역하나요?

아래 스크립트는 각 조각을 아랍어 전사 모델로 보낸 다음, 번역 프롬프트와 함께 채팅 모델로 보냅니다. [OpenAI Python SDK](https://broadrouter.com/ko/guides/openai-python-sdk/)로 실행됩니다.

```python
import os, re, glob
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

GLOSSARY = {"شركة النخيل": "Al Nakheel Company", "مازن": "Mazen"}  # your fixed terms
SYSTEM = """You translate transcripts of spoken Arabic into clear English.
The Arabic comes from speech recognition: it may be dialect, have no punctuation,
mix in English words, and contain recognition errors.
Rules:
- Translate the meaning faithfully. Do not summarise, add or drop content.
- Keep every number, date, amount and name. Write numbers as digits.
- Use the glossary spellings exactly.
- Keep English words that the speaker used as they are.
- If a phrase makes no sense, translate it literally and add [unclear] after it.
- Reply with the English translation only."""

def glossary_block(text: str) -> str:
    hits = [f"{ar} = {en}" for ar, en in GLOSSARY.items() if ar in text]
    return "Glossary:\n" + "\n".join(hits) + "\n\n" if hits else ""

def transcribe(path: str) -> str:
    with open(path, "rb") as audio:
        return client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic", file=audio, language="ar").text

def translate(arabic: str, previous: str = "") -> str:
    context = f"Previous part, for context only, do not translate:\n{previous}\n\n" if previous else ""
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b", max_tokens=4000, reasoning_effort="low",
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": glossary_block(arabic) + context + "Translate:\n" + arabic}])
    choice = r.choices[0]
    if choice.finish_reason == "length" or not choice.message.content:
        raise RuntimeError("cut off: raise max_tokens or send a shorter part")
    return choice.message.content.strip()

DIGITS = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")
def missing_numbers(arabic: str, english: str) -> list[str]:
    nums = re.findall(r"\d+", arabic.translate(DIGITS))
    return [x for x in nums if x not in re.findall(r"\d+", english)]

previous = ""
for chunk in sorted(glob.glob("chunks/part_*.wav")):
    arabic = transcribe(chunk)
    english = translate(arabic, previous)
    print(f"--- {chunk}\nAR: {arabic}\nEN: {english}")
    if gaps := missing_numbers(arabic, english):
        print(f"CHECK: numbers {gaps} missing from the translation")
    previous = arabic[-500:]
```

각 부분의 역할은 다음과 같습니다.

-   **`language="ar"`.** BroadNet 문서는 전사 요청에 항상 `language`를 보내라고 안내합니다. 요청의 자세한 내용은 [아랍어 음성 인식 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/)에서 다룹니다.
-   **프롬프트에 텍스트의 출처를 밝힙니다.** 전사본에는 문장 부호가 없고, 방언일 수 있고, 인식 오류가 있을 수 있습니다. 이를 알려 주면 모델이 이상한 구절을 의도된 것으로 취급하지 않고, `[unclear]` 표시는 검토자가 검색할 거리를 줍니다.
-   **영어 단어는 그대로 둡니다.** 아랍어 화자는 문장 중간에 영어로 바꾸는 경우가 많습니다(“الـ deadline”, “فريق الـ QA”). 이것이 [코드 스위칭](https://broadrouter.com/ko/glossary/code-switching/)이며, 모델은 이런 단어를 이리저리 번역하지 말고 그대로 두어야 합니다.
-   **조각별 용어집.** 해당 조각에 나오는 용어집 항목만 보내므로 프롬프트가 짧게 유지됩니다. 대조는 완전 일치이므로, 전사본의 철자가 들쭉날쭉하다면(أ 대 ا, ة 대 ه) 먼저 양쪽을 정규화하세요. 일반적인 규칙은 [아랍어 텍스트 정규화 도구](https://broadrouter.com/tools/arabic-text-normalizer/)에서 볼 수 있습니다.
-   **앞 조각을 컨텍스트로.** 앞 아랍어 조각의 마지막 500자는 대명사나 조각 경계에서 잘린 문장을 처리하는 데 도움이 됩니다. 프롬프트에서 이 부분은 번역하지 말라고 하므로 두 번 나오지 않습니다.
-   **`max_tokens=4000`과 `reasoning_effort="low"`.** BroadNet 문서에 따르면 DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B는 답하기 전에 추론하고, 그 추론도 `max_tokens`에 포함됩니다. 한도가 작으면 빈 답변이 돌아올 수 있습니다. [추론 토큰과 빈 응답](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)을 참고하세요. 코드는 번역을 반쪽만 저장하는 대신, 비었거나 잘린 응답에서 오류를 냅니다.
-   **숫자 검사.** 잘못된 번역이 가장 큰 피해를 주는 곳이 숫자입니다. 이 검사는 아랍-인도 숫자(٠-٩)와 페르시아 숫자(۰-۹)를 0-9로 바꾸고 각 숫자가 영어에 있는지 확인합니다. 말로 읽은 숫자(“خمسة عشر”)는 잡히지 않으므로, 중요한 내용은 여전히 검토자가 읽어야 합니다.

### 테스트 결과는 어땠나요?

두 엔드포인트를 모두 구현한 로컬 모의 서버로 스크립트를 돌렸습니다(실제 API 호출 없음). 25분짜리 테스트 파일의 세 조각을 `model=broadnet/cohere-transcribe-arabic`과 `language=ar`로 보냈고, 채팅 요청마다 해당 조각의 용어집 줄과 앞 아랍어 조각을 컨텍스트로 넣었습니다. 모의 서버의 세 번째 번역은 일부러 숫자 하나를 빠뜨렸고, 스크립트는 다음을 출력했습니다.

```text
--- chunks/part_002.wav
AR: اتفقنا مع شركة النخيل على تسليم ٢٤٠ وحدة قبل نهاية الشهر
EN: We agreed with Al Nakheel to deliver the units before month end.
CHECK: numbers ['240'] missing from the translation
```

아랍어 문장과 회사는 테스트용으로 지어낸 것입니다. 이 실행은 코드가 작동한다는 것을 보여 줄 뿐, 어떤 모델의 번역이 얼마나 좋은지를 보여 주지는 않습니다. 그것은 아래 채점 단계로 확인하세요.

## 인식 오류는 번역에 어떤 영향을 주나요?

그대로 통과합니다. 화자는 ٢٤٠이라고 말했는데 전사본에 ٢١٤가 적혀 있으면, 번역은 충실하게 214라고 씁니다. 방언 단어를 발음이 비슷한 표준어로 잘못 들으면, 번역은 유창하지만 틀립니다. 유창한 영어 때문에 이런 오류는 찾아내기 어렵고, 이것이 모든 음성 번역 시스템의 주된 위험입니다.

오류가 각 단계에서 얼마나 생기는지 측정할 수 있습니다. 클립 30개 이상을 모으고, 각 클립마다 다음을 준비하세요.

1.  사람이 만든 아랍어 전사본
2.  사람이 만든 영어 번역(정답)

그다음 사람이 만든 전사본과 ASR 전사본을 각각 파이프라인으로 번역하고, 둘 다 정답과 비교해 채점하세요. 문자 n-gram 점수인 [chrF](https://aclanthology.org/W15-3049/)는 BLEU보다 이름과 단어 형태 변화를 잘 다루며, 아랍어–영어에서 흔히 쓰는 기본 지표입니다. SacreBLEU로 둘 다 계산할 수 있습니다.

```python
from sacrebleu.metrics import BLEU, CHRF

# One English reference per clip, written by a human translator.
refs = ["We agreed with Al Nakheel Company to deliver 240 units before the end of the month.",
        "The deadline is December 15, and Mazen is following up with the QA team."]
# Your pipeline's English, from the human Arabic transcript (MT only)...
from_gold = ["We agreed with Al Nakheel Company to deliver 240 units before the end of the month.",
             "The deadline is 15 December, and Mazen is following up with the QA team."]
# ...and from the ASR transcript (the full pipeline).
from_asr = ["We agreed with Al Nakheel Company to deliver 214 units before the end of the month.",
            "The deadline is 15 December, and Mazen is following up with the key team."]

chrf, bleu = CHRF(), BLEU()
for name, hyp in [("MT on human transcript", from_gold), ("ASR + MT", from_asr)]:
    print(f"{name:24} chrF {chrf.corpus_score(hyp, [refs]).score:5.1f}   BLEU {bleu.corpus_score(hyp, [refs]).score:5.1f}")
```

이 두 개의 연습용 문장(SacreBLEU 2.6.0)에서 사람 전사본 경로는 chrF 94.6, BLEU 89.2, 전체 파이프라인은 chrF 87.1, BLEU 71.7이 나왔습니다. 연습용 문장 두 개로는 모델에 대해 아무것도 증명하지 못합니다. 여러분의 클립에서 차이가 크다면 인식을 개선해야 합니다. 더 좋은 오디오, [아랍어 방언 음성 인식](https://broadrouter.com/ko/blog/arabic-dialect-speech-recognition/)에서처럼 만든 방언 테스트 세트, 또는 다른 제공업체가 방법입니다. 차이는 작은데 전체 점수가 낮다면 번역 단계를 손봐야 합니다. 더 나은 프롬프트, 용어집, 또는 다른 모델입니다. 전사 단계만 따로 채점하려면 [단어 오류율](https://broadrouter.com/ko/blog/arabic-asr-wer-explained/)을 쓰세요.

자동 점수는 시스템의 순위를 매길 뿐, 번역을 승인해 주지는 않습니다. 두 언어를 아는 검토자가 샘플을 읽게 하고, 특히 숫자, 이름, 부정 표현을 확인하게 하세요.

## 어떤 모델을 써야 하나요?

| 단계 | BroadNet 모델 | 가격 | 메모 |
| --- | --- | --- | --- |
| 전사 | [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/) | 1분에 $0.0042(1시간에 $0.25) | 아랍어 전용. $5 초기 크레딧으로 사용 가능 |
| 번역 | [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/) | 100만 토큰당 입력 $0.175, 출력 $2.17 | 추론 모델. 262,144토큰 컨텍스트. 충전 필요 |
| 번역 | [Gemma 4 VL 26B](https://broadrouter.com/ko/models/gemma-4-vl-26b/) | 100만 토큰당 입력 $0.10, 출력 $0.22 | 초기 크레딧으로 사용 가능. 32,768토큰 컨텍스트로 10분 조각에는 대개 충분하지만 토큰 계산기로 샘플을 확인할 것. BroadNet이 추론 모델에만 문서화한 `reasoning_effort`는 제거 |
| 번역 | [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/) | 100만 토큰당 입력 $0.175, 출력 $0.52, 또는 정액 세션 | 추론 모델. 파트너 호스팅. 충전이나 플랜 필요 |

번역 모델마다 같은 클립으로 채점 스크립트를 돌리고, 저희 표가 아니라 점수와 검토자의 메모를 보고 고르세요. 더 넓은 관점의 장단점은 [아랍어용 LLM 고르기](https://broadrouter.com/ko/blog/choosing-an-llm-for-arabic/)에서 다룹니다.

## 오디오 1시간에 비용은 얼마인가요?

두 부분으로 나뉩니다.

-   **전사**는 오디오 분 단위입니다. BroadNet Transcribe Arabic에서 1시간에 $0.25입니다.
-   **번역**은 토큰 단위입니다. `prompt_tokens × input price + completion_tokens × output price`를 1,000,000으로 나눈 값입니다. 프롬프트에는 시스템 프롬프트, 용어집 줄, 앞 조각 컨텍스트, 전사본이 들어갑니다. 완성(completion)에는 영어 번역과, 추론 모델이라면 [추론 토큰](https://broadrouter.com/ko/glossary/reasoning-tokens/)이 들어갑니다.

번역 비용을 시간당 하나의 수치로 공개하지 않는 이유는 말하는 속도, 방언, 모델의 추론량에 따라 달라지기 때문입니다. 직접 측정하세요. 전형적인 1시간 분량을 돌리고, 응답의 `usage.prompt_tokens`와 `usage.completion_tokens`를 합산해 [LLM API 비용 계산기](https://broadrouter.com/tools/llm-api-cost-calculator/)에 넣으세요. 오디오가 아직 없다면 샘플 전사본을 [아랍어 토큰 계산기](https://broadrouter.com/tools/arabic-token-counter/)에 붙여 넣어 볼 수 있습니다. [아랍어와 영어의 단어당 토큰 수](https://broadrouter.com/ko/blog/tokens-per-word-arabic-english/)에서 보듯, 아랍어는 대개 영어보다 단어당 토큰이 많습니다. 오디오 쪽 가격은 [음성 인식 비용 계산기](https://broadrouter.com/tools/speech-to-text-cost-calculator/)로 계산하세요.

밀린 작업이 많다면 DeepSeek V4.1 Flash 정액 세션으로 번역 단계의 토큰 과금을 없앨 수 있습니다. 세션당 1시간 $1, 1주 $15, 1개월 $60입니다. 세션 하나는 한 번에 요청 하나를 처리하므로, 워커를 병렬로 돌리려면 세션이 더 필요합니다. 전사는 여전히 분 단위로 과금됩니다.

## 이 파이프라인이 맞지 않는 경우는 언제인가요?

-   **실시간 오디오.** 통화, 실시간 자막, 음성 에이전트는 몇 초 안에 스트리밍 결과가 필요합니다. 파일 업로드보다 스트리밍 음성 번역 API나 실시간 엔드포인트가 맞습니다.
-   **자막.** BroadNet의 전사 응답은 [타임스탬프](https://broadrouter.com/ko/glossary/timestamps-asr/) 없는 텍스트뿐입니다. [텍스트 전용 API로 아랍어 자막 만들기](https://broadrouter.com/ko/blog/arabic-subtitles-srt-api/)에서 조각 오프셋으로 어디까지 가능한지 보여 줍니다. 단어 단위 타이밍이 필요하면 타임스탬프를 돌려주는 제공업체를 쓰세요.
-   **BroadNet이 전사하지 않는 언어.** 아랍어 모델은 아랍어를 처리합니다. 다른 원어라면 먼저 [다국어 모델](https://broadrouter.com/ko/blog/multilingual-speech-to-text-api/)의 14개 언어 목록을 확인하세요.
-   **법률이나 의료 기록.** 파이프라인은 초안용으로 쓰고, 기록에는 사람 번역가를 쓰세요.

## BroadNet Inference의 역할

BroadRouter는 BroadNet의 자체 사이트입니다. [BroadNet Inference](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-translate-arabic-audio-to-english&utm_content=body)는 이 파이프라인의 두 단계를 OpenAI 호환 키 하나로 제공합니다. 아랍어 전사는 `/v1/audio/transcriptions`, 번역은 `/v1/chat/completions`입니다. 한 단계 음성 번역 엔드포인트와 스트리밍 전사는 없으므로, 실시간 오디오에는 다른 제공업체를 쓰세요. [개인정보 처리방침](https://www.broadnet.ai/inference-privacy)에 따르면 오디오, 전사본, 답변을 포함한 추론 콘텐츠는 보관되지 않으며, 필요한 계정, 결제, 보안 메타데이터는 보관됩니다. [아랍어 전사 페이지](https://broadrouter.com/ko/arabic-transcription/)나 [API 레퍼런스](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-translate-arabic-audio-to-english&utm_content=body)에서 시작하고, 출력을 믿기 전에 여러분의 녹음으로 테스트하세요.

관련 무료 도구 (영어)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[무료 도구 (영어)](https://broadrouter.com/tools/)

## 이 글의 용어

[음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/)

음성 인식(STT)은 자동 음성 인식(ASR)이라고도 하며, 말소리 오디오를 글로 변환하는 기술입니다. 음성 인식 API는 오디오 파일이나 스트림을 받아 전사 텍스트를 반환하며, 보통 오디오 분당 요금이 붙습니다. 정확도는 단어 오류율로 측정하며 억양, 방언, 녹음 품질에 따라 달라집니다.

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[코드 스위칭(code-switching)](https://broadrouter.com/ko/glossary/code-switching/)

코드 스위칭(code-switching)은 말이나 글에서 같은 대화나 문장 안에 둘 이상의 언어, 또는 한 언어의 여러 변종을 섞어 쓰는 것입니다. 아랍어 사용자가 방언에 영어 단어를 섞거나, 현대 표준 아랍어와 자기 방언을 오가는 것이 그 예입니다.

[OpenAI 호환 API(OpenAI-compatible API)](https://broadrouter.com/ko/glossary/openai-compatible-api/)

OpenAI 호환 API는 POST /v1/chat/completions처럼 OpenAI API와 같은 요청 및 응답 형식을 받는 HTTP API입니다. 그래서 OpenAI SDK와 도구는 base URL, API 키, 모델 이름만 바꾸면 이 API를 그대로 사용할 수 있습니다.

[단어 오류율(WER)](https://broadrouter.com/ko/glossary/word-error-rate/)

단어 오류율(WER)은 음성 인식의 표준 정확도 지표입니다. 전사 결과를 올바른 정답 텍스트로 바꾸는 데 필요한 단어 치환, 삭제, 삽입 횟수를 정답 텍스트의 단어 수로 나눈 값이며, 낮을수록 좋습니다.

[아랍어 방언(dialectal Arabic)](https://broadrouter.com/ko/glossary/dialectal-arabic/)

아랍어 방언(dialectal Arabic)은 이집트, 걸프, 레반트, 마그레브 아랍어처럼 지역이나 도시에서 일상적으로 쓰는 구어 아랍어입니다. 방언은 소리, 어휘, 문법에서 현대 표준 아랍어와 다르고, 표준 철자가 없으며, 온라인에서 점점 더 많이 글로 쓰이기 때문에 언어 모델이 다루기 더 어렵습니다.

[추론 토큰(reasoning tokens)](https://broadrouter.com/ko/glossary/reasoning-tokens/)

추론 토큰(reasoning tokens)은 추론 모델이 눈에 보이는 답변을 쓰기 전에 문제를 풀기 위해 생성하는 토큰입니다. 보통 출력 토큰으로 과금되고, 출력 한도와 컨텍스트 윈도우에 포함되며, API에 따라 숨겨지거나 요약되어 제공됩니다.

[PII(개인 식별 정보)](https://broadrouter.com/ko/glossary/pii/)

PII(개인 식별 정보)는 이름, 신분 번호, 생체 기록처럼 개인의 신원을 구별하거나 추적하는 데 쓸 수 있는 정보와, 그 사람과 연결되거나 연결될 수 있는 기타 정보입니다. GDPR은 더 넓은 용어인 개인 데이터를 씁니다. LLM 작업에서 PII 마스킹은 프롬프트가 내 시스템을 떠나기 전에 이를 제거합니다.

## 자주 묻는 질문

### API 호출 한 번으로 아랍어 음성을 영어로 번역할 수 있나요?

네. Soniox처럼 음성 인식 요청에 번역 설정을 추가하는 음성 번역 API를 쓰면 됩니다. OpenAI의 /v1/audio/translations 엔드포인트도 파일에 대해 같은 일을 하지만 지원 중단 상태이며, 종료일은 2027년 2월 26일로 안내되어 있습니다. 두 단계 파이프라인은 호출이 두 번 필요하지만 아랍어 전사본도 함께 얻을 수 있습니다.

### 직접 음성 번역과 전사 후 번역 중 어느 쪽이 나은가요?

내 오디오로 둘 다 테스트하세요. 전사 후 번역은 번역 모델을 고르고, 용어집을 추가하고, 숫자를 확인하고, 아랍어 텍스트를 보관할 수 있습니다. 한 단계 API는 더 단순하고 대개 실시간 오디오에 더 낫습니다. 고르기 전에 클립 30개 이상을 사람이 만든 번역과 비교해 chrF로 채점하세요.

### 이 파이프라인이 이집트, 걸프, 레반트 아랍어도 처리하나요?

대부분은 전사 단계에 달려 있으므로, 서비스하는 방언의 녹음으로 테스트하세요. 그리고 번역 모델에게 전사본이 방언일 수 있고 영어 단어가 섞일 수 있다고 알려 주세요. 음성 모델이 거의 접해 보지 못한 방언 단어가 오류의 주된 원인입니다.

### 25MB보다 큰 아랍어 오디오 파일은 어떻게 번역하나요?

ffmpeg로 16kHz 모노 WAV로 변환하고 10분 이하의 조각으로 나누세요. 조각 하나는 약 19.2MB입니다. 조각마다 전사한 다음, 앞 조각의 끝부분을 컨텍스트로 넘기면서 순서대로 번역하세요.

### 이 방법으로 타임스탬프가 있는 영어 자막을 얻을 수 있나요?

BroadNet에서 바로 얻을 수는 없습니다. BroadNet의 전사 응답은 타임스탬프 없는 텍스트뿐입니다. 아랍어 자막 글에서처럼 조각 오프셋으로 자막 타이밍을 맞추거나, 단어 또는 구간 타임스탬프를 돌려주는 제공업체를 쓰세요.

## 이어서 읽기

-   [LLM으로 아랍어–영어 번역하기: 프롬프트, 용어집, 평가](https://broadrouter.com/ko/blog/arabic-english-translation-llm/)
-   [25MB 넘는 긴 오디오 전사하기: 분할, 전송, 이어 붙이기](https://broadrouter.com/ko/blog/transcribe-long-audio-files-api/)
-   [아랍어 방언 음성 인식: 걸프, 이집트, 레반트, 마그레브](https://broadrouter.com/ko/blog/arabic-dialect-speech-recognition/)
-   [아랍어 회의 녹음으로 회의록 만들기: API 파이프라인](https://broadrouter.com/ko/blog/arabic-meeting-minutes-from-recordings/)
-   [Whisper API 대안: 언제 바꿔야 하고 어떻게 테스트할까](https://broadrouter.com/ko/blog/whisper-api-alternative/)
-   [아랍어 음성 인식(STT) API: 2026년 선택 가이드](https://broadrouter.com/ko/blog/arabic-speech-to-text-api-buyers-guide/)
-   [LLM으로 아랍어 발음 부호 넣기: 프롬프트, 검증, DER](https://broadrouter.com/ko/blog/arabic-diacritization-llm/)
-   [LLM으로 아랍어 문법·맞춤법 교정하기: 실전 가이드](https://broadrouter.com/ko/blog/arabic-grammar-spelling-correction-llm/)
-   [가이드: 아랍어 음성 인식(STT) API 사용법: 단계별 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/)
-   [가이드: API로 WhatsApp 음성 메시지를 텍스트로 전사하기](https://broadrouter.com/ko/guides/transcribe-whatsapp-voice-notes/)
-   [가이드: 추론 모델이 빈 답변을 반환하는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-translate-arabic-audio-to-english&utm_content=page-cta) ·

**출처**

-   [BroadNet Inference API 레퍼런스: 전사는 파일당 26,214,400바이트까지의 WAV 또는 MP3, language 파라미터, 텍스트 응답. 추론은 max\_tokens에 포함, reasoning\_effort low (2026-11-15 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-translate-arabic-audio-to-english&utm_content=sources)
-   [BroadNet Inference 가격: 분당 전사 가격과 토큰당 채팅 가격 (2026-11-15 확인) (영어)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-translate-arabic-audio-to-english&utm_content=sources)
-   [OpenAI API 지원 중단 안내: /v1/audio/translations와 whisper-1, 공지 2026년 8월 26일, 종료 2027년 2월 26일, 대체 엔드포인트 목록 (2026-11-15 확인)](https://developers.openai.com/api/docs/deprecations)
-   [Soniox, 아랍어-영어 음성 번역 API: WebSocket 하나, source ar과 target en을 지정한 translation 블록 (2026-11-15 확인)](https://soniox.com/speech-translation/arabic/english)
-   [Soniox 가격 페이지와 번역 과금 FAQ (2026-11-15 확인)](https://soniox.com/pricing)
-   [GitHub의 SacreBLEU(Apache 2.0): BLEU와 CHRF 클래스, corpus\_score. 2.6.0 버전으로 테스트 (2026-11-15 확인)](https://github.com/mjpost/sacrebleu)
-   [Popović, chrF: character n-gram F-score for automatic MT evaluation, WMT 2015 (2026-11-15 확인)](https://aclanthology.org/W15-3049/)
-   [FFmpeg 포맷 문서: segment 먹서와 segment\_time (2026-11-15 확인)](https://ffmpeg.org/ffmpeg-formats.html#segment_002c-stream_005fsegment_002c-ssegment)
