최종 업데이트: 2026-06-22

오디오 전사 비용이란

음성 인식 API의 오디오 전사 비용은 녹음을 글로 변환하는 데 부과되는 요금으로, 오디오 길이와 제공업체가 공시한 분당 요금으로 산출됩니다. 호스팅형 전사는 담긴 단어 수가 아니라 오디오가 재생되는 길이를 기준으로 과금되므로, 팟캐스트 자막, 회의록, 콜센터 기록, 자막 생성의 예산을 세우려면 이 값이 필요합니다.

전사 과금 방식

음성 인식 제공업체는 원본 오디오의 분당 요금을 제시합니다. 그 1분 동안 발화된 단어 수는 비용을 바꾸지 않으며, 밀도 높은 대화 1분과 느린 내레이션 1분의 비용은 같습니다. 1분 미만의 자투리는 흔히 올림 처리되어, 어떤 제공업체에서는 3분 10초 녹음이 4분으로 과금됩니다. 이 계산기는 정확한 길이를 사용하므로, 제공업체가 올림 처리한다면 입력 전에 길이를 올려서 넣으시기 바랍니다.

공식

길이가 $t$ 분인 녹음과 분당 요금 $p$가 주어지면 비용은 두 값의 곱입니다.

길이가 다른 시간 단위로 주어지면 요금이 분당으로 제시되므로 먼저 분으로 변환합니다. 이 관계는 선형이며, 오디오 1분이 추가될 때마다 분당 요금만큼 비용에 정확히 더해집니다.

계산 예시

일반적인 호스팅형 음성 인식 등급인 분당 $0.006 요금으로 47분짜리 인터뷰를 전사한다고 가정합니다. 비용은 다음과 같습니다.

즉 인터뷰 전체 비용은 25센트를 조금 넘습니다. 이 길이의 주간 팟캐스트라면 연간 약 $15 정도가 들어, 요금보다는 길이가 확인할 가치가 있는 값이 되는 경우가 많습니다.

참고 사항과 변형

선택 기능은 실효 요금을 바꿉니다. 화자 분리, 단어 단위 타임스탬프, 언어 식별은 더 높은 분당 요금이나 별도 부가 항목으로 과금되기도 하므로, 실제로 사용하는 등급에 맞게 요금을 설정합니다. 여러 채널을 가진 스테레오 녹음은 채널별로 과금될 수 있으므로, 업로드 전에 모노로 다운믹스하면 같은 내용에 두 번 과금되는 것을 피할 수 있습니다. 앞뒤의 무음을 잘라내면 과금되는 길이가 직접 줄어듭니다.

활용

녹음 하나당 비용은 더 큰 전사 예산을 세우는 기본 단위입니다. 여기에 월별 녹음 수를 곱하면 반복 지출이 나옵니다. 반대 방향으로 텍스트에서 음성을 합성하는 비용은 음성 합성 비용 계산기를 참고하시기 바랍니다. 전사가 더 넓은 AI 워크로드의 한 항목일 때는 LLM 월간 비용 계산기에 합산하면 됩니다.