Whisper-1 — 녹음을 텍스트로
녹음을 검색 가능한 텍스트나 자막으로 변환합니다. 자신의 오디오로 Whisper-1을 시험하고 다음 작업에 맞는 출력을 선택합니다.
- 전사
- 영어 번역
- 단어 타임스탬프
- 자막 파일
녹음으로 Whisper-1 시험하기
짧은 클립부터 시작합니다. 자막을 게시하기 전에 전사문을 녹음과 대조합니다.
Whisper-1 출력 선택
같은 녹음을 여러 작업에 활용할 수 있습니다. 아래는 형식 예시이며 전사 정확도 벤치마크가 아닙니다.
Welcome to the recording.일반 텍스트 전사문을 읽고 편집합니다.
{ "word": "Welcome",
"start": 0.0, "end": 0.5 }녹음에서 단어나 특정 부분을 찾습니다.
1
00:00:00,000 --> 00:00:02,000
Welcome to the recording.시간 정보가 있는 자막을 영상 편집기로 가져옵니다.
Whisper-1 요금
성공적으로 전사된 오디오에 현재 Whisper-1 요율을 적용합니다.
오디오 초를 올림한 뒤 과금 단위로 변환합니다. 1초 미만의 차이도 최종 요금에 영향을 줄 수 있습니다. 전사문 길이는 가격을 결정하지 않습니다.
| 모델 | 계량 방식 | 요율 | 단위 |
|---|---|---|---|
| Whisper-1 | 1분은 길이에 기반한 1,000단위입니다. 단어 수나 텍스트 토큰이 아닙니다. | US$36.00 | 오디오 계량 단위 100만 개당 |
실패한 Whisper-1 요청에는 요금이 부과되지 않습니다.
Whisper-1이란?
Whisper-1은 녹음된 오디오를 텍스트로 변환하는 OpenAI의 음성 인식 모델입니다. 인터뷰를 검색 가능하게 만들고, 자막을 준비하거나, 음성 자료를 글 작업에 활용합니다.
Whisper-1은 발화 언어를 유지하거나 음성을 영어로 번역합니다. 읽기 쉬운 텍스트 또는 시간 정보가 있는 출력을 선택합니다.
녹음 오디오 · 다국어 전사 · 영어 번역
model 필드에 이 ID를 정확히 사용합니다.
Whisper-1을 사용하는 두 가지 방법
애플리케이션에 통합
파일을 업로드하고 작업 ID를 저장한 뒤 전사문을 가져옵니다. 애플리케이션에서 Whisper-1을 명시적으로 지정합니다.
- 1녹음과 매개변수를 선택합니다.
- 2한 번 제출하고 작업 ID를 저장합니다.
- 3전사문을 다운로드하고 검토합니다.
코딩 에이전트와 협업
에이전트에 오디오 경로와 Whisper-1 문서를 제공합니다. 요청과 예상 비용을 검토한 뒤 선택한 출력을 저장합니다.
- 1이 통합 프롬프트를 복사합니다.
- 2오디오 파일을 제공하고 요청을 승인합니다.
- 3저장된 결과를 검토합니다.
Whisper-1 전사문을 실제 업무에 활용
읽기 쉬운 메모
인터뷰와 음성 메모를 검색 가능한 초안으로 만듭니다. 인용 전에 출력의 이름과 전문 용어를 확인합니다.
편집기로 가져오는 자막
SRT 또는 VTT로 자막을 편집기에 가져옵니다. 화면에 맞게 줄바꿈과 시간을 조정합니다.
단어의 위치 찾기
단어 타임스탬프로 구절을 찾습니다. 정확한 편집이 필요한 부분은 오디오와의 정렬을 확인합니다.
Whisper-1 활용 사례
인터뷰 검토
전사문에서 주제를 찾은 뒤 녹음으로 돌아가 인용을 확인합니다.
수업 준비
자신의 수업을 전사합니다. 학습자와 공유하기 전에 용어를 수정하고 문단을 정리합니다.
영어 작업용 원고
협업자가 영어로 읽을 수 있도록 녹음을 번역합니다. 검토를 위해 오디오를 보관합니다.
네 단계로 Whisper-1 시작
- 01
녹음 선택
업로드 제한 미만의 지원 파일을 사용합니다. 짧고 또렷한 구간이면 첫 Whisper-1 결과를 확인하기 쉽습니다.
- 02
출력 선택
발화 언어를 유지하거나 영어로 번역합니다. 텍스트, 시간 정보가 있는 JSON 또는 자막을 선택합니다.
- 03
한 번만 제출
작업 ID를 저장하고 완료될 때까지 조회합니다. 상태 조회가 느려도 다시 제출할 필요는 없습니다.
- 04
검토 후 다운로드
Whisper-1 결과를 녹음과 대조합니다. 게시 전에 이름, 숫자, 인용을 수정합니다.
앱에 전사 기능 연결
multipart 폼으로 파일을 업로드한 뒤 반환된 작업 ID를 조회합니다. Whisper-1 문서에 모든 필드, 출력 형식, 요청 예시가 있습니다.
curl https://api.seedrouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $SEEDROUTER_API_KEY" \
-F model=whisper-1 \
-F [email protected] \
-F response_format=verbose_json \
-F 'timestamp_granularities[]=word'curl "https://api.seedrouter.ai/v1/tasks/$TASK_ID" \
-H "Authorization: Bearer $SEEDROUTER_API_KEY"| 매개변수 | 타입 | 설명 |
|---|---|---|
| file | 바이너리 | 업로드한 녹음 하나입니다. |
| model | 문자열 | whisper-1 |
| language | 문자열 | 선택적 원본 언어이며 전사에만 사용합니다. |
| prompt | 문자열 | 선택적 표기 힌트와 문맥입니다. |
| response_format | 열거형 | json, text, srt, verbose_json, vtt. |
| temperature | 숫자 | 0–1이며 기본값은 0입니다. |
| timestamp_granularities[] | 배열 | word / segment이며 verbose_json만 가능합니다. |
| chunking_strategy | 문자열 / 객체 | 선택 사항이며 호환성은 아직 검증되지 않았습니다. |
| stream | 불리언 | Whisper-1이 무시합니다. |
요청 실패 시
파일, 매개변수, 잔액을 확인합니다. 제출 여부가 불확실하면 다시 제출하기 전에 작업 기록을 확인합니다.
어떤 Whisper-1 형식이 맞을까요?
다음 작업에 맞는 Whisper-1 형식을 선택합니다.
| 다음 작업 | 선택 | 결과 |
|---|---|---|
| 읽기 또는 편집 | text | 일반 텍스트 전사문 |
| 애플리케이션에서 사용 | json | JSON 안의 전사 텍스트 |
| 정확한 부분 찾기 | verbose_json | 상세 타임스탬프가 있는 전사문 |
| 영상 자막 편집 | srt | 번호가 있는 자막 큐 |
| 웹 플레이어 자막 | vtt | WebVTT 자막 큐 |
Whisper-1의 한계 이해
게시 전 검토
Whisper-1은 특히 어려운 오디오에서 음성을 잘못 듣거나 없는 내용을 생성할 수 있습니다. 이름, 인용, 중요한 세부 사항을 원본과 대조합니다.
화자 라벨 없음
Whisper-1은 화자를 식별하지 않습니다. 단어 타임스탬프는 음성이 나온 시간을 나타내며, 누가 말했는지는 알려주지 않습니다.
녹음 파일 처리
Whisper-1은 업로드된 녹음을 처리합니다. 실시간 부분 전사문을 제공하지 않으며, 영어 번역도 더빙 오디오 트랙을 만들지 않습니다.
SeedRouter에서 Whisper-1 사용
먼저 요금 확인
현재 요율을 확인하며, 브라우저가 오디오 길이를 읽을 수 있으면 예상 요금도 볼 수 있습니다.
필요한 출력 보관
선택한 전사문이나 자막을 다운로드합니다. 녹음과 함께 사본을 보관합니다.
실패한 요청은 과금하지 않습니다
실패한 작업은 잔액을 사용하지 않습니다. 다시 시도하기 전에 작업 기록에서 최종 상태를 확인합니다.
Whisper-1 자주 묻는 질문
Whisper-1으로 오디오를 번역할 수 있나요?+
Whisper-1 번역은 영어 텍스트를 출력하고 전사는 발화 언어를 유지합니다. 둘 다 오디오를 만들지 않습니다. 정확한 표현이 중요하면 원본을 확인합니다.
Whisper-1은 화자 분리를 지원하나요?+
Whisper-1 타임스탬프는 화자가 아닌 음성의 위치를 표시합니다. 검토할 때 화자 이름을 추가하거나 화자 분리 지원 모델을 선택합니다.
Whisper-1에 긴 녹음을 어떻게 준비하나요?+
큰 녹음은 압축하거나 자연스러운 휴지에서 나눠 업로드 제한을 맞춥니다. 순서를 유지하고 연결 부분을 검토합니다.
Whisper-1에 표기 힌트를 줄 수 있나요?+
관련 이름과 문맥을 제공합니다. Whisper-1은 프롬프트의 마지막 224개 토큰을 사용합니다. 반환된 전사문의 표기를 확인합니다.
어떤 Whisper-1 출력에 단어 타임스탬프가 있나요?+
Whisper-1 단어 타임스탬프는 verbose_json이 필요합니다. SRT와 VTT는 자막 큐를 제공하며, 일반 텍스트와 JSON은 전사문 편집에 적합합니다.
Whisper-1 API가 OpenAI 동기 응답과 같은가요?+
SeedRouter는 작업 ID를 반환한 뒤 전사문 다운로드 URL을 제공합니다. 동기 SDK는 수정이 필요합니다. 호환성 제한은 참조 문서를 확인합니다.
녹음을 듣고, 텍스트를 활용합니다.
녹음을 선택하고 요율을 확인한 뒤 Whisper-1을 시험합니다. 원하는 형식을 다운로드하고 오디오와 함께 검토합니다.