스트리밍 정확도 1위 음성 텍스트 변환 API

배경 소음 속에서도 전화번호, 이메일, UUID가 한 번에 정확하게 나옵니다. 내장된 발화 차례 감지가 발신자가 말을 마친 시점을 에이전트에 알려 줍니다.
무료 API 키 받기실시간으로 체험하기
transcribe.py
with client.stt.auto_finalize.websocket(
    model="ink-2",
    encoding="pcm_s16le",
    sample_rate=16000,
) as ws:
    ws.send_raw(audio_chunk)
    for event in ws:
        if event.type == "turn.end":
            print(event.transcript)

wss://api.cartesia.ai/stt/turns/websocket

전체 예제

말하면 바로 텍스트로 변환됩니다

이 Ink 2 데모는 영어, 스페인어, 프랑스어, 힌디어, 일본어를 지원합니다. 이 데모에서는 영어로 말해 주세요.

클릭하거나 Space 키를 눌러 전사 시작
탭하여 전사 시작
대화 주제가 필요하세요?
이상적인 휴일은 어떤 모습인가요?

Cartesia로 전환하는 팀들과 함께하세요

Artificial Analysis

1위

Artificial Analysis의 Speech Arena 및 Speech to Text 리더보드에서

Python으로 음성 텍스트 변환: 첫 전사문 만들기

GitHub의 Python SDK

SDK 설치

Python 3.9 이상을 사용하세요. websockets 추가 패키지로 실시간 스트리밍을 사용할 수 있습니다.

터미널
python3 -m pip install -U "cartesia[websockets]"

API 키 설정

Cartesia 플레이그라운드에서 키를 만들고 환경 변수에 저장하세요. 키가 코드에 남지 않습니다.

macOS / Linux
export CARTESIA_API_KEY="your-api-key"

PowerShell을 사용하시나요?$env:CARTESIA_API_KEY="your-api-key"

녹음 파일 전사하기

이 스크립트를 transcribe.py로 저장하고 call.wav라는 모노 16비트 WAV 파일 옆에 둔 다음 실행하세요. 스크립트는 녹음된 속도대로 오디오를 스트리밍하고 완료된 발화 차례를 하나씩 출력합니다.

터미널
python3 transcribe.py

실시간 오디오는 파일을 읽는 대신 마이크나 전화 통화 오디오 청크를 들어오는 대로 보내세요.

모델
ink-2
엔드포인트
/stt/turns/websocket
transcribe.py
import os
import time
import wave

from cartesia import Cartesia

client = Cartesia(api_key=os.environ["CARTESIA_API_KEY"])

with wave.open("call.wav", "rb") as audio:
    sample_rate = audio.getframerate()
    frames_per_chunk = sample_rate // 10  # 100 ms of audio

    with client.stt.auto_finalize.websocket(
        model="ink-2",
        encoding="pcm_s16le",
        sample_rate=sample_rate,
    ) as ws:
        while chunk := audio.readframes(frames_per_chunk):
            ws.send_raw(chunk)
            time.sleep(0.1)  # send audio as fast as it was recorded
        ws.send({"type": "close"})

        for event in ws:
            if event.type == "turn.end":
                print(event.transcript)
            elif event.type == "error":
                raise RuntimeError(event.message)

오디오에 맞는 엔드포인트 선택

실시간 오디오는 WebSocket으로 스트리밍하세요. 완성된 녹음 파일은 HTTP 요청 한 번으로 업로드하세요.

음성 에이전트

/stt/turns/websocket

전송 방식
WebSocket
반환값
전체 전사문이 담긴 차례 이벤트

Cartesia가 화자가 말을 마친 시점을 판단하고 차례 전체를 담은 turn.end 이벤트를 보냅니다.

발화 차례 감지 가이드 읽기

직접 차례 제어

/stt/websocket

전송 방식
WebSocket
반환값
전사문 업데이트

앱에서 이미 음성 활동 감지기나 푸시 투 토크를 사용한다면 이 방식을 쓰세요. 화자가 말을 멈추면 finalize를 보내 전사문을 바로 받을 수 있습니다.

실시간 API 레퍼런스 읽기

녹음 파일

/stt

전송 방식
HTTP
반환값
전사문 하나

WAV나 MP3 파일 전체를 업로드하면 전사문 하나가 반환됩니다. 단어별 타임스탬프도 선택할 수 있습니다.

배치 API 레퍼런스 읽기

음성 에이전트가 흔히 틀리는 부분에서도 정확하게

발신자는 카드 번호를 불러 주고, 이름 철자를 말하고, 문장 중간에 말을 멈춥니다. 에이전트는 그 모든 순간에 정확한 전사문이 필요합니다.

스트리밍 정확도 1위

Cartesia의 스트리밍 음성 텍스트 변환 모델 Ink-2는 전화번호, 이메일, UUID를 정확하게 표기하고, 별도의 소음 필터 없이도 잡음이 많은 전화 회선에서 정확도를 유지합니다.

VAD 없는 발화 차례 감지

Ink-2는 발신자가 말하는 내용으로 차례가 끝났는지 판단하므로 별도의 음성 활동 감지기(VAD)를 뺄 수 있습니다. turn.eager_end 이벤트를 받으면 차례가 확정되기 전에 LLM이 답변을 시작할 수 있습니다.

제품 용어도 정확한 철자로

핵심 용어 프롬프팅은 발신자가 쓰는 이름과 전문 용어를 더 잘 인식하도록 돕습니다. 연결마다 최대 100개 용어를 전달할 수 있습니다.

SDK와 음성 에이전트 프레임워크

공식 Python 및 JavaScript SDK가 WebSocket 처리를 맡고, Cartesia의 Pipecat 및 LiveKit 통합으로 기존 에이전트에 Ink-2를 추가할 수 있습니다.

음성 에이전트에서 음성 텍스트 변환의 위치

Ink-2는 발신자의 오디오와 LLM 사이에 위치하며, 차례 이벤트로 에이전트에 답변할 시점을 알려 줍니다.

01

오디오

마이크, 브라우저, 전화 통화 오디오를 원시 PCM, μ-law, A-law로 스트리밍하세요. 샘플 레이트는 소스에서 쓰는 값 그대로 사용하면 됩니다.

02

Ink-2

발신자가 말하는 동안 전사문을 작성하고, 말을 마치면 turn.end를 보냅니다.

03

에이전트

완료된 차례를 LLM에 전달합니다. 더 빨리 답하려면 turn.eager_end에서 답변을 시작하고, turn.resume이 오면 그 답변을 버리세요.

엔터프라이즈 수준의 보안.클라우드에서 로컬까지.

  • HIPAA 준수 배지

    HIPAA 준수

  • SOC 2 Type 2 배지

    SOC 2 Type 2

  • GDPR 배지

    GDPR

  • PCI 배지

    PCI

제품에 음성 텍스트 변환 추가하기

무료 계정으로 매월 최대 111분까지 Ink-2 전사를 사용할 수 있습니다. 대량 사용 요금, 온프레미스 배포, BAA는 문의해 주세요.

무료 API 키 받기영업팀 문의플랜 요금 보기

더 많은 음성 도구 살펴보기

모든 무료 도구

음성 텍스트 변환

말하는 동안 음성이 텍스트로 바뀌고 숫자와 이메일도 정확하게 표기됩니다. 무료, 가입 불필요.

살펴보기

오디오 텍스트 변환

녹음 파일을 넣고 전사문을 .txt로 받으세요.

살펴보기

AI 음성 생성기

스크립트를 입력하고 실제 사람 같은 AI 음성으로 들어보세요. 가입 없이 무료로 사용해 보세요.

살펴보기

음성 텍스트 변환 API 자주 묻는 질문

가장 좋은 음성 텍스트 변환 API는 무엇인가요?

음성 에이전트 같은 실시간 대화에는 스트리밍 중에도 정확하고 화자가 말을 마친 시점을 아는 API를 고르세요. Ink-2는 스트리밍 음성 텍스트 변환 정확도 1위이며 발화 차례를 직접 감지합니다. 전사 모델과 음성 활동 감지기를 모델 하나로 대신할 수 있습니다.

무료 음성 텍스트 변환 API가 있나요?

네. 무료 Cartesia 계정의 월간 크레딧으로 API를 통해 최대 111분까지 Ink-2 전사를 사용할 수 있으며, 유료 플랜은 더 많은 사용량을 제공합니다. 코드 없이 음성 텍스트 변환을 사용해 보려면 무료 온라인 도구를 이용하세요.

Cartesia 음성 텍스트 변환 API의 요금은 얼마인가요?

Ink-2 전사는 오디오 1초당 3크레딧이 들며, 플랜의 월간 크레딧에서 차감됩니다. 무료 플랜은 매월 최대 111분을 제공하며, 요금 페이지에서 각 유료 플랜에 포함된 시간을 확인할 수 있습니다.

Python으로 음성을 텍스트로 변환하려면 어떻게 하나요?

pip install "cartesia[websockets]"로 SDK를 설치하고 CARTESIA_API_KEY를 설정한 다음 client.stt.auto_finalize.websocket(model="ink-2", ...)로 WebSocket을 여세요. send_raw로 원시 오디오 청크를 보내고 turn.end 이벤트에서 완료된 전사문을 읽으면 됩니다. 이 페이지의 Python 섹션에 전체 스크립트가 있습니다.

Cartesia 음성 텍스트 변환 API로 오디오 파일을 전사할 수 있나요?

네. 배치 엔드포인트는 WAV나 MP3 같은 녹음 파일 전체를 HTTP 요청 한 번으로 받아 전사문 하나를 반환하며, 단어별 타임스탬프도 선택할 수 있습니다. 실시간 WebSocket은 녹음된 속도로만 오디오를 받으므로 파일 전사에는 배치가 더 빠릅니다.

Cartesia 음성 텍스트 변환 API는 어떤 언어를 지원하나요?

Ink-2는 영어, 스페인어, 프랑스어, 힌디어, 일본어를 전사하며, 이 중 어떤 언어로 말하고 있는지 감지합니다.

음성 텍스트 변환 API란 무엇인가요?

음성 텍스트 변환 API(STT, 음성 인식, 전사 API라고도 함)는 앱의 오디오를 받아 말한 내용을 텍스트로 반환합니다. 스트리밍 API는 화자가 아직 말하는 동안 전사문을 반환하며, 음성 에이전트와 실시간 자막에 꼭 필요합니다.

Cartesia 음성 텍스트 변환 API를 자체 인프라에서 실행할 수 있나요?

네. Ink-2는 에어갭 환경을 포함한 온프레미스, AWS·GCP·Azure의 자체 VPC, 또는 제품에 내장하는 OEM 라이선스로 배포할 수 있습니다. 이러한 배포와 데이터 미보관은 엔터프라이즈 계약으로 제공됩니다.