OpenAI Whisper API 요금 2026: 모델별 정리

OpenAI Whisper API는 오디오 1분당 0.006달러, 1시간에 0.36달러입니다. 이 가격은 2023년 3월 API 출시 이후 한 번도 바뀌지 않았고, 그래서 많은 음성 인식 예산이 이 숫자를 기준으로 짜였습니다.

2026년에 두 가지가 바뀌었습니다. OpenAI는 더 저렴하고 정확한 음성 인식 모델을 내놓았고, 8월 26일에는 whisper-1을 모든 GPT-4o 음성 인식 모델과 함께 지원 중단했습니다. 이 모델들은 2027년 2월 26일 API에서 사라집니다. 그러니 이제 필요한 질문은 “Whisper가 얼마인가”만이 아니라 “2월 이후 이 오디오를 어떤 모델로, 얼마에 처리할 것인가”입니다.

아래에는 2026년 10월 11일 OpenAI 요금 페이지에서 확인한 현재 음성 인식 요금, 종료로 무엇이 깨지는지, 실제 워크로드 비용, 대안을 차례로 정리했습니다. 저희는 음성 인식을 판매하는 Cartesia를 만들고 있어서 이해관계가 있습니다. OpenAI 수치는 모두 OpenAI 자료이고, 저희 요금은 마지막에 실어 두었으니 양쪽을 직접 확인하세요.

OpenAI 음성 인식 요금

“약”이 붙은 행은 OpenAI 자체 추정치입니다. 이 세 모델은 토큰 단위로 과금하므로(gpt-4o-transcribe는 오디오 입력 100만 토큰당 2.50달러, 출력 100만 토큰당 10달러, mini는 그 절반) 실제 분당 비용은 말하는 양에 따라 달라집니다. whisper-1과 gpt-transcribe 계열은 오디오 길이로 과금하므로 예산을 잡기가 쉽습니다.

표에 드러나지 않는 점이 몇 가지 있습니다.

• 파일은 25 MB까지입니다. 파일 음성 인식 가이드는 mp3, mp4, mpeg, mpga, m4a, wav, webm을 25 MB까지 받습니다. 한 시간짜리 WAV는 먼저 나누거나 압축해야 하고, 나눈 이음새에서 단어 오류가 끼어듭니다.
• 실시간은 파일보다 거의 4배 비쌉니다. 스트리밍 음성 인식은 분당 0.017달러, 같은 1분을 나중에 업로드하면 0.0045달러입니다. 말하는 동안 텍스트가 필요 없다면 그 비용을 낼 이유가 없습니다.
• 지역 처리에는 추가 요금이 붙습니다. 2026년 3월 5일 이후 출시된 대상 모델은 데이터 레지던시 엔드포인트에서 10% 할증됩니다.
• 새 모델에는 무료 등급이 없습니다. gpt-transcribe와 두 실시간 모델 페이지에는 무료 등급 계정이 지원되지 않는다고 나와 있습니다. 첫 1분부터 요금이 붙습니다.

2027년 2월 종료

지원 중단 공지는 짧습니다. 네 모델이 빠지고 두 모델이 그 자리를 대신합니다.

단순 음성 인식이라면 전환은 대부분 모델 이름 변경과 가격 인하로 끝납니다. gpt-transcribe는 단일 language 필드 대신 languages 배열을 받고, 제품명과 ID를 위한 keywords가 추가되며, 파일을 처리하는 동안 텍스트를 스트리밍할 수 있습니다.

문제는 Whisper가 하던 일 중 아직 대체가 없는 것들입니다. OpenAI의 음성 인식 가이드는 그중 세 가지를 여전히 제거 대상 모델로 안내합니다.

• 단어 단위 타임스탬프와 srt·vtt 자막은 whisper-1로.
• 영어 번역은 번역 엔드포인트를 통해 whisper-1로.
• 화자 구분은 gpt-4o-transcribe-diarize로.

2026년 10월 11일 기준 OpenAI는 셋 중 어느 것에도 후속 모델을 지정하지 않았습니다. 자막을 만들거나, 음성 인식 결과를 영상에 맞추거나, 통화를 화자별로 나누는 제품이라면 대체 모델은 공지에 없습니다. 마이그레이션에서 2월이 아니라 지금 시작해야 할 부분이 바로 이것입니다.

실제 워크로드 비용

정가 기준이며 데이터 레지던시 할증은 제외했습니다.

녹음된 통화를 매달 10,000시간 음성 인식하는 경우(600,000분). whisper-1로는 3,600달러입니다. gpt-transcribe로 옮기면 2,700달러가 됩니다. gpt-4o-mini-transcribe는 약 1,800달러지만 이 역시 2월에 사라지므로, 그 절감 효과는 길어야 몇 달입니다.

매달 10,000분의 통화를 듣는 음성 에이전트의 경우. gpt-live-transcribe로 실시간 음성 인식을 하면 170달러입니다. 배치 청구액에 비하면 작아 보이고, 실제로도 작습니다. 에이전트에게 음성 인식이 비싼 항목이 되는 일은 드뭅니다. 중요한 비용은 잘못 알아들은 계좌 번호가 나머지 통화에 미치는 영향입니다.

Whisper는 아직 충분히 정확할까

Whisper는 2022년에 기준을 세웠지만 지금은 상위권이 아닙니다. Artificial Analysis가 2026년 10월 녹음된 오디오로 측정한 단어 오류율은 다음과 같습니다(낮을수록 좋음).

이 표는 두 가지로 읽을 수 있습니다. OpenAI 안에서는 gpt-transcribe가 whisper-1보다 싸면서 더 정확하므로, 단순 음성 인식이라면 2월까지 기다릴 이유가 없습니다. OpenAI 밖에서는 Groq가 호스팅하는 Whisper large-v3 Turbo가 whisper-1의 약 9분의 1 가격에 오류는 0.5포인트 더 많습니다. 아카이브에는 괜찮은 거래지만, 고객이 읽는 결과물에는 맞지 않습니다.

단어 오류율은 진단 지표이지 판정이 아닙니다(이 주제로 가이드를 따로 썼습니다). 마이그레이션 전에 가장 어려운 녹음을 두세 개 후보 모델로 돌려 보세요.

Whisper 직접 운영하기

오픈소스 Whisper 모델은 MIT 라이선스이며 이번 종료와 무관합니다. 오디오가 녹음된 것이고, 남는 GPU가 있고, OpenAI가 없애는 기능(타임스탬프, 자막, 영어 번역)이 필요하다면 Whisper large-v3를 직접 호스팅해 세 가지를 모두 유지할 수 있습니다. 추론 업체가 호스팅하는 Whisper는 GPU 없이 같은 모델을 쓰는 방법입니다. 어느 쪽이든 분할, 무음 처리, 업데이트는 직접 맡아야 합니다.

실시간 대화에는 직접 호스팅이 잘 맞지 않습니다. Whisper는 완성된 오디오의 30초 단위 창을 위해 만들어졌습니다. 스트리밍용으로 감싸면 발화 종료 판정과 무음 구간의 환각 처리를 직접 구현해야 하고, 턴마다 왕복 지연도 늘어납니다.

Cartesia가 맞는 곳

Cartesia에는 서로 다른 일을 하는 음성 인식 모델이 두 개 있습니다.

음성 에이전트에는 Ink-2. 발신자가 말하는 동안 스트리밍으로 음성 인식하고 턴 종료도 스스로 감지하므로, 에이전트에 별도 VAD가 필요 없습니다. 2026년 10월 Artificial Analysis 스트리밍 벤치마크에서 턴 감지를 내장한 Ink-2의 단어 오류율은 3.4%로, GPT Live Transcribe 3.9%, GPT Realtime Whisper 4.9%보다 낮습니다. Scale 요금제 기준 시간당 약 0.40달러이고, OpenAI 실시간 모델은 둘 다 1.02달러입니다. Ink-2는 현재 영어, 프랑스어, 힌디어, 일본어, 스페인어를 지원합니다. 다른 언어를 실시간으로 처리해야 한다면 Deepgram Nova-3 같은 다국어 모델을 OpenAI 모델과 함께 테스트해 보세요.

녹음 파일에는 ink-whisper. 저희의 이전 세대 Whisper 계열 모델로, 지금도 배치 엔드포인트에서 제공합니다. 한 번 업로드하면 되고 파일을 나눌 필요가 없으며, 단어 단위 타임스탬프와 약 100개 언어를 지원합니다. Cartesia는 영어 번역과 화자 구분을 제공하지 않으므로, 종료로 생기는 세 가지 공백 중 하나만 메웁니다.

Cartesia 요금은 두 모델 모두 음성 합성과 같은 크레딧에서 차감합니다.

요금제는 매달 20,000크레딧을 주는 무료 요금제부터 시작하며, 배치 음성 인식으로 약 11시간 분량입니다. 무음도 오디오로 과금됩니다. 저희 요금제는 순수 분당 과금이 아니라 선불 구독이므로, 사용량에 맞는 요금제는 요금 페이지에서 확인하세요.

녹음된 오디오를 음성 인식하면서 2월 이후에도 타임스탬프가 필요하다면 파일 몇 개를 ink-whisper로 돌려 보세요. 음성 에이전트를 만들고 있다면 플레이그라운드에서 Ink-2를 실제 통화로 테스트해 보세요. 문서의 OpenAI 마이그레이션 가이드는 OpenAI 음성 인식과 Realtime 음성 인식 설정을 Cartesia 설정에 대응시켜 줍니다.

관련 가이드

• 최고의 음성 인식 모델
• Deepgram 요금 2026
• ElevenLabs 요금제 2026
• 단어 오류율