탐색으로 건너뛰기

음성 텍스트 변환이란?

음성 텍스트 변환은 말로 된 오디오를 글로 변환합니다. ElevenLabs의 음성 텍스트 변환 모델은 Scribe입니다. 90개 이상의 언어로 음성을 정확하게 전사하여, 오디오를 읽고 검색할 수 있는 텍스트로 쉽게 바꿀 수 있습니다.

Scribe의 주요 기능

  • 영어, 프랑스어, 이탈리아어, 포르투갈어, 스페인어, 독일어 등 주요 언어에서 98%의 정확도를 제공하는 업계 최고 수준의 정확도.
  • 단어별로 정확한 타임스탬프를 제공하여 각 단어가 언제 말해졌는지 정확히 확인할 수 있습니다.
  • 서로 다른 화자를 자동으로 식별하고 분리하는 스마트 화자 분리.
  • 비음성 사운드를 감지하는 동적 오디오 태깅.
  • 높은 정확도를 유지하면서 최대 32명의 화자를 지원.

Scribe v3의 새로운 기능

Scribe v3는 가장 정확한 음성 텍스트 변환 모델입니다. Scribe v2와 비교해 다음을 제공합니다:

  • 더 적은 전사 오류. 102개 언어에 걸친 FLEURS 벤치마크에서 Scribe v3는 Scribe v2보다 단어 오류가 27% 적습니다.
  • 여러 화자가 있는 오디오에서 더 정확한 화자 레이블.
  • 숫자 형식 지정. API를 통해 숫자를 숫자로 쓸지 단어로 쓸지 선택할 수 있습니다.
  • 보조 언어. API를 통해 오디오에 포함될 것으로 예상되는 다른 언어를 나열하여 여러 언어가 혼합된 오디오의 정확도를 높일 수 있습니다.

Scribe v3는 Scribe v2에서 도입된 기능을 그대로 유지합니다:

  • 핵심 용어 프롬프팅. 모델이 중요한 용어를 올바르게 전사하도록 유도하기 위해 최대 100개의 단어 또는 문구를 제공할 수 있습니다. 핵심 용어 프롬프팅을 사용하면 비용이 20% 증가합니다.
  • 엔터티 감지. 신용카드 번호, 이름, 의료 상태 등 전사문에서 감지할 특정 정보 카테고리를 선택할 수 있습니다. 엔터티 감지는 API에서만 사용할 수 있으며 무료로 제공됩니다.
  • 스마트 다국어 지원. 여러 언어가 포함된 오디오를 제출하면 Scribe가 각 언어를 자동으로 감지하고 정확하게 전사합니다.
  • 향상된 안정성. Scribe는 일시 정지, 음조 변화, 긴 침묵도 끊김이나 정확도 저하 없이 처리합니다.

어떤 버전을 사용해야 하나요?

높은 정확도의 전사가 필요한 경우 Scribe v3 (scribe_v3)를 권장합니다. 웹사이트와 API를 통해 사용할 수 있습니다. 웹사이트에서 음성 텍스트 변환을 사용할 때 Scribe v3가 기본 모델입니다. 데이터 레지던시 환경의 워크스페이스에서는 Scribe v2를 사용합니다.

의료 및 임상 오디오에는 동일한 API를 통해 Scribe v2 Medical (scribe_v2_medical)을 사용하세요. Scribe v2와 동일한 요금으로 청구됩니다.

실시간 사용 사례에는 실시간 API를 통해 제공되는 Scribe v3 Live (scribe_v3_live)를 권장합니다. ElevenAgents는 기본적으로 Scribe v2 Realtime을 사용합니다.

자세한 내용은 음성 텍스트 변환 문서를 참조하세요.