---
title: "화자 분리(diarization)란? 오디오에서 누가 언제 말했는지 | BroadRouter"
description: "화자 분리는 녹음을 화자별로 나눠 전사본에 누가 언제 말했는지 표시합니다. 작동 방식, 평가 방법, 직접 추가하는 방법을 정리했습니다."
url: https://broadrouter.com/ko/glossary/diarization/
lang: ko
updated: 2026-11-16
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/glossary/diarization/) (2026-11-16 업데이트).

# 화자 분리(speaker diarization)

업데이트 2026-11-16

화자 분리(speaker diarization)는 오디오 녹음을 화자별 구간으로 나눠 "누가 언제 말했는가"에 답하는 작업입니다. 각 발화 구간에 SPEAKER\_00 같은 익명 화자 ID를 붙이며, 보통 전사본과 결합해 각 줄을 누가 말했는지 보여 줍니다.

다른 이름: 화자 분리, 화자 구분, 화자 다이어라이제이션, 다이어라이제이션, 화자 라벨, speaker diarisation, speaker labels, who spoke when, speaker separation, speaker segmentation

화자 분리는 한 덩어리의 전사본을 대화로 바꿉니다. 상담원, 고객, 다시 상담원 순으로요.

## 작동 방식

화자 분리 파이프라인은 보통 세 단계로 실행됩니다.

1.  **발화 찾기.** [음성 활동 감지(VAD)](https://broadrouter.com/ko/glossary/vad/)가 누군가 말하는 구간을 표시합니다.
2.  **짧은 구간 임베딩.** 화자 임베딩 모델이 각 조각을 목소리 특징을 담은 벡터로 바꿉니다.
3.  **클러스터링.** 벡터가 비슷한 조각에 같은 라벨을 붙이고, 모델이 지원하면 겹치는 발화도 처리합니다.

Hugging Face의 오픈 pyannote `speaker-diarization-3.1` 파이프라인은 16kHz 모노 오디오를 받으며(스테레오는 다운믹스하고 다른 샘플레이트는 리샘플링합니다), 결과를 화자 턴마다 한 줄인 텍스트 형식 RTTM으로 씁니다. RTTM 한 줄에는 파일, 채널, 시작 시각, 길이, 화자 라벨이 들어갑니다.

```text
SPEAKER call42 1 0.00 4.21 <NA> <NA> SPEAKER_00 <NA> <NA>
SPEAKER call42 1 4.35 2.80 <NA> <NA> SPEAKER_01 <NA> <NA>
```

모델 카드는 벤치마크별 화자 분리 오류율(DER)을 보고하는데, REPERE의 7.8%에서 AVA-AVD의 50.0%까지 이르며 VoxConverse에서는 11.3%입니다. 이 편차는 결과가 오디오에 얼마나 좌우되는지 보여 줍니다. 회의, TV, 전화 통화는 서로 다르게 동작합니다.

일부 호스팅 API는 이 작업을 대신해 줍니다. OpenAI의 음성 인식 가이드는 화자 분리 모델 `gpt-4o-transcribe-diarize`를 문서화하고 있습니다. 이 모델은 세그먼트에 `speaker`, `start`, `end` 필드가 들어 있는 `diarized_json` 응답을 돌려주고, 최대 4명의 알려진 화자에 대해 2~10초 길이의 참조 클립을 선택적으로 받습니다. OpenAI는 이 모델을 지원 중단(2027년 2월 26일 종료) 목록에 올렸고, 가이드(2026-11-15 확인)에는 다른 모델의 화자 라벨이 문서화되어 있지 않습니다.

## 왜 중요한가

-   **콜센터와 인터뷰.** 품질 검토, 컴플라이언스, 요약 모두 누가 무엇을 말했는지 알아야 합니다.
-   **후속 LLM 작업.** “Agent:“와 “Customer:” 턴으로 나뉜 요약 프롬프트가 통짜 텍스트보다 나은 답을 냅니다.
-   **비용.** 화자 분리는 추가 연산이며, 제공업체에 따라 별도 요금이 붙거나 기본 포함됩니다. [음성 인식 API 가격 지수](https://broadrouter.com/data/speech-to-text-api-prices/)에 어떤 제공업체가 추가 요금을 받는지 나와 있습니다.

## BroadNet Inference에서는

BroadNet 문서에는 화자 분리가 없습니다. 전사 엔드포인트는 `{"text": "..."}`만 돌려주며, 화자 라벨이나 [타임스탬프](https://broadrouter.com/ko/glossary/timestamps-asr/)는 없습니다. 실용적인 방법은 pyannote 같은 오픈 화자 분리 모델을 로컬에서 실행하고, ffmpeg로 화자 턴마다 오디오를 자른 뒤, 각 클립을 `language`를 지정해 [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/)이나 [BroadNet Transcribe](https://broadrouter.com/ko/models/cohere-transcribe/)로 보내는 것입니다. 양쪽 화자가 스테레오 채널로 나뉘어 있다면 채널을 분리하면 됩니다. 이 경우 모델이 전혀 필요 없습니다. 전체 워크플로는 [콜센터 녹음 전사하기](https://broadrouter.com/ko/blog/transcribe-call-center-recordings/)를 참고하세요.

## 자주 묻는 질문

### 화자 분리로 화자의 이름까지 알 수 있나요?

아닙니다. SPEAKER\_00, SPEAKER\_01 같은 익명 라벨을 돌려줍니다. OpenAI의 gpt-4o-transcribe-diarize(지원 중단, 2027년 2월 26일 종료) 같은 일부 API는 사용자가 제공한 짧은 참조 클립에 최대 4명의 화자를 대응시킬 수 있습니다.

### BroadNet 전사 API는 화자 분리를 지원하나요?

BroadNet 문서에는 화자 분리가 없습니다. 엔드포인트는 전사본을 {"text": ...} 형태로 돌려주므로, 화자 턴이 필요하면 별도의 화자 분리 모델을 실행하세요.

### 화자 분리 정확도는 어떻게 측정하나요?

화자 분리 오류율(DER)로 측정합니다. 오탐(false alarm), 놓친 발화, 화자 혼동 시간을 더한 다음 전체 기준 발화 시간으로 나눕니다. 낮을수록 좋습니다.

## 함께 보기

-   [음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/) (용어)
-   [음성 활동 감지(VAD)](https://broadrouter.com/ko/glossary/vad/) (용어)
-   [타임스탬프(음성 인식, ASR timestamps)](https://broadrouter.com/ko/glossary/timestamps-asr/) (용어)
-   [단어 오류율(WER)](https://broadrouter.com/ko/glossary/word-error-rate/) (용어)
-   [샘플링 레이트(sample rate)](https://broadrouter.com/ko/glossary/sample-rate/) (용어)
-   [아랍어 음성 인식(STT) API 사용법: 단계별 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/) (가이드)
-   [콜센터 녹음 전사하는 법: 아랍어까지 지원하는 파이프라인](https://broadrouter.com/ko/blog/transcribe-call-center-recordings/) (글)
-   [아랍어 음성 인식(STT) API: 2026년 선택 가이드](https://broadrouter.com/ko/blog/arabic-speech-to-text-api-buyers-guide/) (글)

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-glossary-diarization&utm_content=page-cta) ·

**출처**

-   [pyannote, Hugging Face의 speaker-diarization-3.1 모델 카드](https://huggingface.co/pyannote/speaker-diarization-3.1)
-   [pyannote.metrics 레퍼런스, 화자 분리 오류율](https://pyannote.github.io/pyannote-metrics/reference.html)
-   [OpenAI, 음성 인식 가이드(diarized\_json과 알려진 화자, 2026-11-15 확인)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [OpenAI 지원 중단 목록, 음성 인식 모델 (2026-11-15 확인)](https://developers.openai.com/api/docs/deprecations)
-   [BroadNet Inference API 레퍼런스, 전사 (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-diarization&utm_content=sources)
