---
title: "음성 인식의 단어·세그먼트 타임스탬프란? | BroadRouter"
description: "ASR 타임스탬프는 각 단어나 구간이 언제 발화되었는지 알려 줍니다. 단어와 세그먼트 타임스탬프의 차이, API가 반환하는 방식, API가 텍스트만 줄 때의 대처법을 정리했습니다."
url: https://broadrouter.com/ko/glossary/timestamps-asr/
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/timestamps-asr/) (2026-11-16 업데이트).

# 타임스탬프(음성 인식, ASR timestamps)

업데이트 2026-11-16

음성 인식의 타임스탬프는 전사본의 각 부분에 붙는 초 단위 시작·종료 시간입니다. 세그먼트 타임스탬프는 구절이나 문장 단위이고, 단어 타임스탬프는 단어마다 붙습니다. 자막, 녹음 내 검색, 텍스트와 화자 정렬에 필요합니다.

다른 이름: 단어 타임스탬프, 단어 단위 타임스탬프, 세그먼트 타임스탬프, 음성 인식 타임스탬프, STT 타임스탬프, word timestamps, word-level timestamps, segment timestamps, timestamp\_granularities, ASR timestamps

전사본은 무슨 말이 오갔는지 알려 주고, 타임스탬프는 녹음의 어디에서 그 말을 찾을 수 있는지 알려 줍니다.

## 작동 방식

대부분의 ASR 시스템은 두 단계를 제공합니다.

-   **세그먼트 단위.** 구절마다 시간 범위 하나. 예: `{"text": " Hi there!", "timestamp": (0.5, 1.5)}`.
-   **단어 단위.** 단어마다 시간 범위 하나. 예: `hi`는 0.5~0.9초, `there`는 1.0~1.5초.

Hugging Face의 ASR 파이프라인은 `return_timestamps`로 둘 다 제공합니다. Whisper에서 `True`는 세그먼트를, `"word"`는 단어를 주며, Wav2Vec2 같은 CTC 모델은 `"char"`도 지원합니다. 결과는 `chunks`로 돌아오며, 각각 `text`와 `(start, end)` 튜플을 갖습니다. 문서에 따르면 Whisper의 단어 시간은 크로스 어텐션 가중치에 동적 시간 왜곡(DTW)을 적용해 추정한 것으로, 측정값이 아니라 근사치입니다.

호스팅 API도 같은 패턴을 따릅니다. OpenAI의 음성 인식 가이드는 `response_format: "verbose_json"`과 함께 쓰는 `timestamp_granularities[]`(`word` 또는 `segment`)를 문서화하며, 지원 중단된 `whisper-1` 모델에 대해서만 이를 문서화합니다. 기존 연동은 이 모델이 종료되는 2027년 2월 26일까지 쓸 수 있습니다.

```bash
curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F model=whisper-1 -F file=@call.mp3 \
  -F response_format=verbose_json \
  -F "timestamp_granularities[]=word"
```

## 왜 중요한가

-   **자막.** SRT와 VTT 파일은 자막 줄마다 시작과 끝이 필요합니다.
-   **검색과 검토.** 품질 검토자가 통화 전체를 듣지 않고 불만이 시작되는 초로 바로 이동할 수 있습니다. [콜센터 녹음 전사하기](https://broadrouter.com/ko/blog/transcribe-call-center-recordings/)를 참고하세요.
-   **화자 전환.** 전사본과 [화자 분리](https://broadrouter.com/ko/glossary/diarization/) 결과를 합칠 때는 시간을 맞춰 봅니다.
-   **페이로드 크기.** 단어 단위 출력은 일반 텍스트보다 훨씬 길어서, 이를 LLM에 [토큰](https://broadrouter.com/ko/glossary/token/)으로 넣는다면 영향이 큽니다.

## BroadNet Inference에서는

BroadNet 문서에는 타임스탬프가 없습니다. `/v1/audio/transcriptions`는 전사본을 `{"text": "..."}`로 반환하며, `timestamp_granularities` 옵션도 나와 있지 않습니다. BroadNet의 `/v1/models` 메타데이터(2026-11-15 확인)는 응답 형식으로 `verbose_json`을 나열하지만, 세그먼트나 단어 시간이 들어 있다는 설명은 없으므로 의존하기 전에 테스트하세요. 대략적인 타이밍이 필요하면 [음성 구간 검출(VAD)](https://broadrouter.com/ko/glossary/vad/)로 찾은 쉬는 구간이나 고정 길이 구간으로 오디오를 직접 자르고, 각 조각의 시작 오프셋을 기록하세요. 그러면 각 조각의 텍스트가 그 오프셋을 물려받습니다. 통화 안에서 이리저리 이동하기에는 충분한 문장 단위 타이밍이지만, 프레임 단위로 정확한 자막은 아닙니다. [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/)이나 [BroadNet Transcribe](https://broadrouter.com/ko/models/cohere-transcribe/)에 보내는 조각마다 `language`를 지정하세요. 단어 단위 타이밍이 꼭 필요하다면 정렬 도구(aligner)나 이를 문서화한 모델을 쓰세요.

## 자주 묻는 질문

### 단어 타임스탬프와 세그먼트 타임스탬프는 무엇이 다른가요?

세그먼트 타임스탬프는 단어 하나 이상으로 된 구절에 시작·종료 시간 하나를 줍니다. 단어 타임스탬프는 단어마다 시간 범위를 주며, 자막 편집기와 검색 도구에 필요합니다.

### BroadNet 전사 API는 타임스탬프를 반환하나요?

문서화된 타임스탬프는 없습니다. 응답은 {"text": ...}뿐이므로, 대략적인 타이밍이 필요하면 오디오를 조각으로 나누고 각 조각의 오프셋을 기록하세요.

### 단어 타임스탬프 없이 자막을 만들려면 어떻게 하나요?

오디오를 쉬는 구간에서 짧게 나누고 각각 전사한 뒤, 조각의 시작·종료 오프셋을 자막 시간으로 쓰세요. 구절 단위 타이밍이 나오며, 많은 자막 파일에는 충분하지만 프레임 단위로 정확하지는 않습니다.

## 함께 보기

-   [음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/) (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)
-   [SRT 자막(SRT subtitles)](https://broadrouter.com/ko/glossary/srt-subtitles/) (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)
-   [Whisper API 대안: 언제 바꿔야 하고 어떻게 테스트할까](https://broadrouter.com/ko/blog/whisper-api-alternative/) (글)
-   [음성 인식 API로 아랍어 자막(SRT) 만들기: 필요한 것](https://broadrouter.com/ko/blog/arabic-subtitles-srt-api/) (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-timestamps-asr&utm_content=page-cta) ·

**출처**

-   [OpenAI, 음성 인식 가이드(timestamp\_granularities) (2026-11-16 확인)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Hugging Face Transformers, 파이프라인(ASR return\_timestamps) (2026-11-16 확인)](https://huggingface.co/docs/transformers/main_classes/pipelines)
-   [BroadNet Inference API 레퍼런스, 전사 응답 (2026-11-16 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-timestamps-asr&utm_content=sources)
