AI로 Zoom 회의 녹취하는 방법: 설정 및 API 가이드

자동 음성 인식은 수동으로 메모할 필요 없이 Zoom 회의 오디오를 팀을 위한 텍스트로 변환합니다. 실시간 텍스트 음성 변환 시스템을 사용하면, 대화를 따라가기 어려운 직원이나 청각 장애가 있는 직원을 위해 실시간 트랜스크립트를 제공할 수 있습니다.

실시간 STT 기술은 지난 3년간 크게 발전했으며, Zoom의 기본 도구도 지속적으로 개선되어 단어 오류율(WER)을 낮추고 있습니다. 하지만 낮은 지연 시간을 원한다면 전문 텍스트 음성 변환 도구인 ElevenLabs를 통해 더 낮은 WER을 달성할 수 있습니다.

이 가이드에서는 기본 제공 도구와 타사 솔루션을 사용해 Zoom 회의를 트랜스크립트로 변환하는 방법을 소개합니다. 기본 옵션, 방법별 단계, 클라우드에 저장된 녹음 처리 과정, 복잡한 사용 사례를 위한 맞춤형 파이프라인 구축 방법을 다룹니다.

요약

• AI 기반 트랜스크립션은 다국적 팀의 실시간 협업을 위해 90개 이상의 언어와 억양을 지원합니다.
• 직원은 기본 제공 도구나 타사 옵션으로 진행 중인 Zoom 회의 또는 저장된 오디오를 트랜스크립트로 변환할 수 있습니다.
• Zoom의 실시간 자막은 모든 요금제에서 무료이지만, 대부분의 다른 기본 트랜스크립션 기능에는 유료 Workplace 계정이 필요합니다.
• 개발자는 ElevenAPI WebSocket을 사용해 맞춤형 애플리케이션을 구축하고 실시간 트랜스크립션에서 낮은 지연 시간을 구현합니다.

Zoom 회의를 트랜스크립트로 변환하는 방법

Zoom 회의를 트랜스크립트로 변환하면 발화 내용이 타임스탬프와 화자 레이블이 포함된 검색 가능한 텍스트로 바뀝니다. 성능이 뛰어난 도구는 화재경보기나 전화벨 소리 같은 소음 간섭과 발화 중첩도 처리해 트랜스크립트에 반영합니다.

조직은 이러한 트랜스크립트 정보를 활용해 회의 보고서를 만들고, 지식 데이터베이스를 업데이트하거나, 신입 직원 교육 프로그램을 제작합니다. 일반 직원도 중요한 프로젝트의 마감일을 확인하거나 참석하지 못한 회의의 최종 결정을 파악하기 위해 트랜스크립트를 검색합니다.

주요 트랜스크립션 방법은 다음 3가지입니다.

• 실시간 트랜스크립션: 기본 제공 도구가 통화 중 실시간 자막을 생성하지만, 클라우드 저장소 및 다운로드 가능한 클라우드 녹화 트랜스크립트 등의 기능을 사용하려면 유료 계정이 필요합니다.
• 회의 후 트랜스크립션: 기본 도구나 타사 도구가 클라우드에 저장되거나 다운로드된 오디오 파일에서 트랜스크립트를 생성할 수 있습니다.
• 맞춤형 API 파이프라인: 맞춤형 솔루션은 개발자에게 완전한 제어 권한을 제공하므로, 데이터를 활용하는 소프트웨어 애플리케이션으로 실시간 통화 오디오를 직접 스트리밍할 수 있습니다.

회의 트랜스크립션에 가장 적합한 앱을 평가할 때는 예산, 기존 도구, 기술적 요구 사항이 선택에 영향을 미칩니다. 여러 옵션을 검토하면서 이러한 우선순위를 고려하세요.

Zoom에서 트랜스크립션을 활성화하는 방법

Zoom은 기본 제공 솔루션으로 실시간 트랜스크립션과 자동 비공개 자막을 모두 제공합니다. 실시간 자막은 통화 중 표시되며, 유료 계정에서는 전체 회의 트랜스크립트를 ‘내 노트’로 바로 보낼 수 있습니다. 통화가 끝난 후 이 노트를 이용해 보고서와 자동 요약을 만들 수 있습니다.

실시간 비공개 자막

Zoom Workplace에서 트랜스크립션을 활성화하려면 관리자 자격 증명이 필요합니다.

방법은 다음과 같습니다.

1. Zoom 웹 포털에 로그인합니다.
2. 계정 관리로 이동해 계정 설정을 클릭합니다.
3. 회의 탭으로 이동한 뒤 회의 중(고급)까지 스크롤합니다.
4. 자동 자막을 ‘활성화됨’으로 전환합니다.
5. 녹화 탭을 클릭하고 클라우드 녹화를 켭니다.
6. 오디오 트랜스크립트 생성 확인란을 선택하면 회의 후 트랜스크립트가 포함된 텍스트 기반 파일이 자동으로 생성됩니다.

Zoom AI를 사용한 실시간 트랜스크립션

Zoom AI Companion은 46개 언어를 빠르게 번역하고 실시간으로 트랜스크립션할 수 있습니다. 다음의 간단한 단계로 설정하세요.

1. 관리자 자격 증명으로 Zoom 웹 포털에 액세스합니다.
2. 다음 대상에 대해 활성화 또는 비활성화합니다.
3. 1. 계정의 모든 사용자는 관리 센터에서 설정을 클릭해 필요한 사항을 변경합니다.
   2. 특정 사용자는 관리 센터에서 사용자를 클릭한 다음 그룹을 선택합니다.
   3. 개인 계정은 설정에서 변경합니다.
3. Zoom AI를 클릭하고 사용할 트랜스크립션 기능을 구성합니다.

회의 후 Zoom 녹화를 트랜스크립트로 변환하는 방법

회의가 끝난 뒤 Zoom이 클라우드에 저장한 오디오를 변환해 트랜스크립트를 저장할 수 있습니다.

일반적인 방법으로는 Zoom의 기본 클라우드 스토리지 내보내기를 사용해 기존 녹화를 처리하거나, 저장된 오디오 파일을 ElevenLabs 같은 AI 플랫폼에 업로드하는 방식이 있습니다.

Zoom 기본 클라우드 녹화 내보내기

Zoom Workplace는 오디오를 Zoom 플랫폼 외부로 보내거나 타사 봇을 사용하지 않고 회의를 트랜스크립트로 변환합니다. 또한 화자 분리를 사용해 화자를 자동 식별하고 레이블을 지정하므로, 대규모 그룹 통화에서도 구조화된 트랜스크립트를 만듭니다.

Zoom 클라우드 녹화는 통화가 끝난 뒤 다운로드 가능한 트랜스크립트 파일을 자동 생성합니다. 파일은 회의 종료 직후부터 최대 24시간 후까지 उपलब्ध할 수 있습니다. 유료 계정 사용자는 포털에서 타임스탬프가 포함된 텍스트 파일에 직접 액세스할 수 있습니다.

다음 단계에 따라 Zoom 회의 트랜스크립트 파일을 다운로드하세요.

1. 계정 자격 증명으로 Zoom 웹 포털에 로그인합니다.
2. 왼쪽 탐색 메뉴에서 녹화를 찾습니다.
3. 트랜스크립트를 생성할 특정 회의를 선택합니다.
4. 오디오 트랜스크립트 파일 옆의 다운로드를 클릭합니다.
5. VTT 문서를 원하는 위치에 저장합니다.

클라우드에 녹화하는 대신 실시간 회의 중 트랜스크립트 저장을 클릭했다면 Zoom은 대신 컴퓨터에 텍스트 파일을 저장합니다. Documents/Zoom 경로에서 찾을 수 있습니다.

ElevenAPI 자동 일괄 트랜스크립션

Zoom은 회의에서 46개 언어를 지원하지만, 회의 후 트랜스크립트에는 19개 언어만 지원합니다. 이는 모든 해외 또는 다국적 팀의 언어 요구를 충족하지 못합니다.

이러한 이유를 비롯해 개발자와 제품 팀은 90개 이상의 언어로 빠르고 정확한 트랜스크립션 서비스를 제공하는 ElevenAPI를 선택합니다. ElevenLabs의 Scribe v2 모델은 오디오를 처리하고 타임스탬프를 단어 수준으로 생성하며 화자 정보를 보존합니다.

다음 단계에 따라 ElevenAPI로 클라우드 오디오를 처리하세요.

1. 클라우드 스토리지(또는 로컬 폴더)에서 MP4 또는 M4A 파일을 찾습니다.
2. 오디오 녹음을 ElevenCreative에 추가하거나 ElevenAPI Scribe 엔드포인트로 직접 전송합니다.
3. TXT, DOCX, PDF 또는 JSON 등 원하는 형식으로 화자 레이블과 타임스탬프가 포함된 텍스트를 다운로드합니다.

ElevenAPI로 실시간 Zoom 트랜스크립션 구축하기

복잡한 사용 사례가 있거나 맞춤형 자동화 솔루션이 필요한 개발자는 ElevenAPI 같은 타사 솔루션을 선호합니다. ElevenLabs 플랫폼은 실시간 트랜스크립션을 맞춤형 애플리케이션에 통합할 수 있도록 2가지 스트리밍 아키텍처를 제공합니다.

두 방식 모두 WebSocket을 통해 지연 시간이 짧은 실시간 트랜스크립션을 생성할 수 있으므로, 사용 사례와 보안 요구 사항에 따라 적합한 방식을 선택하면 됩니다.

클라이언트 측 스트리밍

이름에서 알 수 있듯 오디오를 트랜스크립트로 변환하기 위해 클라이언트 측에 이 솔루션을 구현합니다. 클라이언트 측 스트리밍은 브라우저에서 마이크 또는 가상 오디오 장치를 통해 직접 사운드를 캡처합니다. 기본 보안 조치로 프런트엔드 코드에서 API 키가 노출되지 않도록 데이터를 보호합니다. 예를 들어 백엔드 서버는 클라이언트 측 연결에 사용할 임시 일회용 토큰을 생성하며, 이 토큰은 15분 후 자동 만료됩니다.

다음 단계에 따라 클라이언트 측 스트리밍을 설정하세요.

1. 백엔드 서버에 일회용 토큰을 요청합니다.
2. 일회용 토큰을 공식 React 또는 JavaScript SDK에 전달합니다.
3. WebSocket 연결을 설정하고 마이크 오디오를 API로 직접 전송합니다.

서버 측 스트리밍

이 경우 오디오를 트랜스크립트로 변환하기 위해 서버 측에 솔루션을 구현합니다. 서버 측 스트리밍은 회의 스트림, URL 또는 파일에서 오디오를 추출합니다. 임시 키 대신 ElevenLabs API 키를 사용하며 URL의 오디오를 수동으로 청크 처리할 필요가 없다는 점에서 클라이언트 측 스트리밍과 다릅니다.

다음 단계에 따라 서버 측 스트리밍을 설정하세요.

1. 회의 봇 또는 백엔드 서버가 Zoom 통화 오디오 스트림이나 해당 URL을 캡처하도록 구성합니다.
2. Python 또는 TypeScript SDK를 사용해 기본 API 키로 WebSocket 연결을 설정합니다.
3. 실시간 오디오를 스트리밍하거나 ffmpeg 통합을 사용해 URL 미디어를 Scribe Realtime 엔드포인트로 전달합니다.
4. CRM 및 지식 베이스 업데이트, 통화 후 웹훅 등의 사용 사례에 맞게 트랜스크립트를 시스템 전반에 배포합니다.

클라이언트 측 스트리밍과 서버 측 스트리밍을 선택하는 시점

활성 사용자가 마이크 권한을 직접 부여할 수 있는 데스크톱 도구나 브라우저 내 회의에는 클라이언트 측 스트리밍을 선택하세요. 무인 회의 봇이나 직접 통합 같은 완전 자동화 기능에는 서버 측 스트리밍으로 전환하세요. 서버 측 스트리밍은 오디오 캡처 및 트랜스크립트 수집 시 활성 브라우저 세션도 필요 없습니다.

AI 기반 트랜스크립션이 글로벌 팀에 효과적인 이유

분산된 팀은 문화, 언어, 시간대를 넘나들며 협업할 때 고유한 어려움에 직면합니다. AI 기반 음성 인식은 통화 오디오를 구조화되고 검색 가능한 콘텐츠로 변환해 모두가 같은 정보를 공유하도록 돕습니다. 참가자는 통화 중 내용을 따라가는 데 활용하고, 권한이 있는 사람은 회의 후 회의 노트를 다시 검토할 수 있습니다.

AI 기반 트랜스크립션이 글로벌 팀에 도움이 되는 사례는 다음과 같습니다.

• 다국어 코드 스위칭: 같은 통화에서 서로 다른 언어 또는 여러 언어를 사용해도 정확하게 트랜스크립션
• 억양 있는 음성 인식: 비표준 발음과 지역 억양 이해
• 비동기식 지식 공유: 현지 시간상 회의 참여가 어려운 경우에도 팀원이 노트와 요약에 액세스하도록 텍스트 문서 생성
• 다중 화자 분리: 책임 소재를 명확히 하기 위해 누가 무엇을 말했는지 정확히 기록
• 유연한 워크플로 통합: 데이터베이스와 기타 시스템이 이해하고 수집할 수 있는 형식으로 트랜스크립트 내보내기

트랜스크립션 솔루션을 찾을 때 이러한 기능을 기본 요건으로 고려하세요. 단, AI 기반 옵션 중에서도 모든 Zoom 트랜스크립트 생성기가 이러한 약속을 지키는 것은 아닙니다. 선택한 솔루션이 비즈니스 요구 사항이나 규제 기준을 충족하는지 확인하려면 결정 전에 제품 사양과 벤치마크를 검토하세요.

빠르고 정확한 트랜스크립트를 위한 ElevenAPI 시작하기

AI와 회의 트랜스크립션을 다루는 대부분의 개발자라면 업계 최고 수준의 정확도와 요구 사항에 맞게 조정할 수 있는 도구를 원할 것입니다. ElevenAPI는 고급 음성 인식 모델에 프로그래밍 방식으로 액세스할 수 있게 해, 원하는 수준의 자동화를 갖춘 트랜스크립션 파이프라인을 만들도록 지원합니다.

Scribe v2 모델은 ElevenAPI를 구동하며, 최대 32명의 화자를 분리할 수 있습니다. 회의 후 일괄 처리나 WebSocket을 통한 실시간 스트리밍의 낮은 지연 시간이 필요하더라도, 빠르고 안전한 텍스트 음성 변환 솔루션을 몇 단계만으로 설정할 수 있습니다.

1. ElevenLabs 계정에 로그인합니다.
2. 사이드바에서 개발자를 클릭한 후 API 키 탭으로 이동해 새 키를 생성합니다.
3. 자격 증명이 프런트엔드에 노출되지 않도록 .env 파일 등에 API 키를 안전하게 저장합니다.
4. pip install elevenlabs 또는 npm install @elevenlabs/elevenlabs-js를 사용해 공식 Python 또는 TypeScript SDK를 개발 환경에 추가합니다.
5. 녹음된 오디오 파일에는 Scribe v2 엔드포인트를 호출하고, 실시간 통화 오디오에는 Scribe Realtime v2 WebSocket에 연결합니다.

더 자세한 안내는 ElevenLabs API 문서에서 확인하거나 API 키를 받기 위해 가입하고 개발을 시작하세요.

Zoom 회의 트랜스크립션 FAQ