소개
음성인식(STT) API는 OpenAI의 Whisper 모델을 기반으로 오디오 파일을 텍스트로 변환할 수 있습니다. 다양한 용도를 지원합니다:- 오디오 파일을 텍스트로 전사
- 다국어 오디오를 영어로 번역
- 다양한 오디오 형식 입력 지원
- 여러 출력 형식 옵션 제공
- whisper-large-v3 —— 최신 대형 Whisper 모델, 다국어 지원, 중국어 인식에는 적절한 프롬프트와 낮은 temperature 값 사용 필요
- whisper-1 —— 초기 Whisper 모델, 안정적이고 신뢰할 수 있으며 다국어 지원
- distil-whisper-large-v3-en —— 증류 모델, 처리 속도가 빠르지만 정확도가 다소 낮음, 낮은 temperature 값과 함께 사용 권장
모델 호출 방법
음성 전사(Transcriptions)
/v1/audio/transcriptions 엔드포인트를 사용하여 client.audio.transcriptions.create() 메서드로 호출, 오디오를 원래 언어의 텍스트로 전사.
음성 번역(Translations)
/v1/audio/translations 엔드포인트를 사용하여 client.audio.translations.create() 메서드로 호출, 오디오를 영어 텍스트로 번역.
요청 매개변수
전사 매개변수(Transcriptions)
번역 매개변수(Translations)
사용 방법
응답 형식
JSON 형식(기본값)
상세 JSON 형식(verbose_json)
텍스트 형식
SRT 형식
VTT 형식
모범 사례
- 한국어 오디오 처리:
whisper-large-v3모델 사용,language="ko"설정,temperature=0.2, 적절한 한국어 프롬프트 제공 - 영어 오디오 처리: 더 빠른 처리 속도를 위해
distil-whisper-large-v3-en사용 가능 - 노이즈 처리: 배경 소음을 무시하거나 말더듬을 정리하도록 프롬프트 사용
- 긴 오디오 처리: API가 긴 오디오를 자동으로 분할 처리하므로, 최상의 결과를 위해 오디오 품질 전처리 권장
- 타임스탬프 필요시: 정확한 타임스탬프가 필요할 때
verbose_json형식과timestamp_granularities사용 - 자막 제작: 추가 처리 없이
srt또는vtt형식 출력을 직접 사용
마지막 업데이트: 2026-06-01