---
title: "음성 인식(STT) API란? ASR과 음성 전사 정리 | BroadRouter"
description: "음성 인식(STT)은 말소리를 글로 바꾸는 기술입니다. 전사 API의 작동 방식, 오디오 분당 가격, 정확도 측정 방법, 확인해야 할 제한 사항을 정리했습니다."
url: https://broadrouter.com/ko/glossary/speech-to-text/
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/glossary/speech-to-text/) (2026-11-15 업데이트).

# 음성 인식(Speech-to-text, STT)

업데이트 2026-11-15

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.

다른 이름: 음성 인식, 음성 인식 API, STT, ASR, 자동 음성 인식, 음성 전사, 음성 텍스트 변환, speech-to-text, automatic speech recognition, transcription API, audio transcription, voice to text

음성 메시지, 통화, 회의에는 정보가 담겨 있지만 텍스트가 되기 전까지 소프트웨어는 그 내용을 검색할 수 없습니다. 음성 인식이 그 간극을 메웁니다.

## 작동 방식

Hugging Face는 자동 음성 인식을 “the task of transcribing a given audio to text.”(번역: 주어진 오디오를 텍스트로 전사하는 작업)로 정의합니다. 최신 ASR 모델은 오디오를 특징값으로 변환한 다음, 가장 가능성이 높은 단어 시퀀스를 생성합니다.

OpenAI 호환 API에서는 파일을 multipart form data로 `/v1/audio/transcriptions`에 업로드합니다.

```bash
curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe-arabic \
  -F language=ar \
  -F file=@voice-note.wav
```

응답은 JSON이며 전사 결과는 `text`에 들어 있습니다. 제공업체마다 파일 크기와 형식에 제한이 있습니다. OpenAI 자체 엔드포인트는 최대 25 MB 파일을 받습니다(OpenAI 음성 인식 가이드, 2026-11-15 확인).

## 왜 중요한가

-   **가치는 정확도가 결정합니다.** 이름이나 숫자가 틀린 전사 결과는 없느니만 못할 수 있습니다. 정확도는 [단어 오류율](https://broadrouter.com/ko/glossary/word-error-rate/)로 측정하며, 억양, 방언, 여러 사람이 겹쳐 말하는 소리, 전화 음성에서 떨어집니다.
-   **오디오 시간당 가격.** STT는 오디오 분당 과금되므로 사용량을 예측하기 쉽습니다. 오디오 시간 수에 시간당 단가를 곱하면 됩니다.
-   **개인정보.** 음성에는 이름, 전화번호, 건강이나 금융 정보가 담깁니다. 오디오와 전사 결과가 보관되는지 확인하세요. [데이터 비보관](https://broadrouter.com/ko/glossary/zero-data-retention/)을 참고하세요.
-   **파이프라인.** 전사 결과는 요약, 라우팅, 정보 추출을 위해 다음 단계의 LLM으로 넘어가는 경우가 많습니다.

## BroadNet Inference에서는

| 모델 | 언어 | 분당 가격 | 시간당 |
| --- | --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/) | 아랍어(방언 포함) | $0.0042 | $0.25 |
| [BroadNet Transcribe](https://broadrouter.com/ko/models/cohere-transcribe/) | 14개 언어 | $0.002 | $0.12 |

두 모델 모두 파일당 최대 26,214,400바이트(25 MiB)의 WAV 또는 MP3를 받으며, 더 큰 파일은 413을 반환합니다. 아랍어는 `language=ar`을 보내세요. 그러지 않으면 라틴 문자로 음역되어 나올 수 있습니다. BroadNet은 아랍어 모델이 Open Universal Arabic ASR Leaderboard에서 다음 순위라고 밝힙니다: 37개 중 2위 (2026년 9월 기준 수치이며, 2026년 11월 15일 실시간 리더보드에서는 39개 중 4위). 오디오와 전사 결과는 보관되지 않습니다.

다른 제공업체가 더 저렴할 수 있습니다. 2026-11-14 기준 [Soniox 가격 페이지](https://soniox.com/pricing)는 파일(비동기) 전사를 시간당 약 USD 0.10, 실시간 전사를 시간당 USD 0.12로 안내했으며, 지원 언어 목록에 아랍어가 있습니다. 이는 BroadNet Transcribe Arabic의 시간당 요금($0.25)보다 낮으므로, 두 서비스를 직접 녹음한 오디오로 테스트해 보세요. BroadRouter가 공개하는 [음성 인식 API 가격 지수](https://broadrouter.com/data/speech-to-text-api-prices/)에는 20개가 넘는 제품이 가격별 출처와 날짜와 함께 정리되어 있습니다.

두 모델 모두 무료 초기 크레딧($5)으로 쓸 수 있으며, 이 크레딧으로 아랍어 오디오 약 1,190 분을 처리할 수 있습니다. [아랍어 음성 인식 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/)로 시작하고, WhatsApp `.ogg` 파일은 [음성 메시지 가이드](https://broadrouter.com/ko/guides/transcribe-whatsapp-voice-notes/)로 변환하고, 제공업체 비교는 [구매 가이드](https://broadrouter.com/ko/blog/arabic-speech-to-text-api-buyers-guide/)를 참고하세요.

## 자주 묻는 질문

### 음성 인식 정확도는 어떻게 측정하나요?

단어 오류율(WER)로 측정합니다. 정답 기준 텍스트와 비교해 전사 결과에서 틀린 단어의 비율을 뜻하며, 낮을수록 좋습니다. 정확도는 억양, 방언, 오디오 품질에 따라 크게 달라지므로 직접 녹음한 오디오로 측정하세요.

### 크기 제한보다 큰 파일은 어떻게 전사하나요?

오디오를 가능하면 말이 끊기는 지점에서 짧게 나눈 뒤 하나씩 전사하세요. MP3로 압축해도 크기가 줄어듭니다.

### 아랍어가 가끔 라틴 문자로 나오는 이유는 무엇인가요?

언어 힌트가 없으면 일부 모델은 음역해서 출력합니다. BroadNet Inference에서는 아랍어에 language=ar을 보내세요.

## 함께 보기

-   [단어 오류율(WER)](https://broadrouter.com/ko/glossary/word-error-rate/) (용어)
-   [데이터 비보관(Zero data retention, ZDR)](https://broadrouter.com/ko/glossary/zero-data-retention/) (용어)
-   [OpenAI 호환 API(OpenAI-compatible API)](https://broadrouter.com/ko/glossary/openai-compatible-api/) (용어)
-   [종량제(Pay-as-you-go)](https://broadrouter.com/ko/glossary/pay-as-you-go/) (용어)
-   [화자 분리(speaker diarization)](https://broadrouter.com/ko/glossary/diarization/) (용어)
-   [음성 활동 감지(VAD)](https://broadrouter.com/ko/glossary/vad/) (용어)
-   [샘플링 레이트(sample rate)](https://broadrouter.com/ko/glossary/sample-rate/) (용어)
-   [타임스탬프(음성 인식, ASR timestamps)](https://broadrouter.com/ko/glossary/timestamps-asr/) (용어)
-   [코드 스위칭(code-switching)](https://broadrouter.com/ko/glossary/code-switching/) (용어)
-   [음성 합성(TTS, text-to-speech)](https://broadrouter.com/ko/glossary/text-to-speech/) (용어)
-   [WAV](https://broadrouter.com/ko/glossary/wav/) (용어)
-   [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)
-   [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-speech-to-text&utm_content=page-cta) ·

**출처**

-   [Soniox 음성 인식 가격(2026-11-14 확인)](https://soniox.com/pricing)
-   [Hugging Face Tasks, 자동 음성 인식](https://huggingface.co/tasks/automatic-speech-recognition)
-   [OpenAI, 음성 인식 가이드(transcriptions 엔드포인트, 파일 한도 25 MB; 2026-11-15 확인)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [BroadNet Inference API 레퍼런스, 전사 (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-speech-to-text&utm_content=sources)
-   [BroadNet Inference 기계 판독용 가격표(pricing.json) (영어)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-speech-to-text&utm_content=sources)
