음성 전사

전사는 음성을 텍스트로 변환하는 작업입니다. 이미 녹음한 오디오를 처리할지, 실시간으로 들어오는 오디오를 처리할지에 따라 워크플로우를 선택하세요. 각 워크플로우에는 처음 사용할 때 권장하는 모델이 하나씩 있습니다.

전사 워크플로우 선택

출력을 스트리밍할지와 오디오를 실시간으로 입력받을지는 별도로 결정할 수 있습니다. 녹음이 끝난 파일은 Realtime 세션을 열지 않고도 전사 결과를 스트리밍으로 받을 수 있습니다. 오디오가 실시간으로 들어오거나 연결을 계속 유지해야 할 때만 Realtime을 사용하세요.

필요한 기능 선택

사용할 워크플로우의 권장 모델로 시작하세요.

기존 통합에서는 지원되는 경우 gpt-realtime-whisper도 사용할 수 있습니다. 새로 전사 기능을 통합할 때는 이 모델로 시작하는 것을 권장하지 않습니다.

사용 중단 예정 모델을 사용하는 기존 통합

기존 통합에서는 서비스 종료일까지 아래 기능별 예시에 나온 워크플로우를 사용할 수 있습니다. 모델 ID만 바꾸면 일부 기능을 그대로 사용할 수 없으므로 마이그레이션하기 전에 애플리케이션에 필요한 출력 형식과 메타데이터를 확인하세요.

번역 기능은 실시간 번역으로 마이그레이션하세요. 실시간 번역에서는 번역 세션과 별도의 엔드포인트를 사용합니다. 이는 /v1/audio/translations에서 파일을 업로드하는 방식과 다릅니다.

전사 요금을 확인하고 프로덕션 트래픽을 전환하기 전에 실제 사용 환경을 대표하는 오디오로 권장 워크플로우를 테스트하세요.

전사 품질 개선

gpt-transcribe와 gpt-live-transcribe에는 세 가지 유형의 컨텍스트를 제공할 수 있습니다.

• prompt: 녹음 내용의 주제나 녹음 상황 등을 자유롭게 설명하는 텍스트입니다.
• keywords: 제품명, 의약품명, 약어 등 오디오에 등장할 수 있는 용어를 정확한 표기로 지정합니다.
• languages: 녹음에 여러 언어가 포함될 수 있을 때 예상되는 입력 언어를 목록으로 지정합니다.

이 입력에는 오디오와 관련된 컨텍스트만 제공하세요. 전사 작업 지시를 반복하지 마세요. 키워드는 참고용이며 출력에 반드시 포함해야 하는 단어가 아닙니다. 오디오에 실제로 등장한 키워드만 전사 결과에 포함되어야 합니다.

이 모델들은 languages 필드를 사용합니다. 이 필드는 단수형인 language 필드를 대체합니다. 언어 힌트를 하나만 받는 기존 전사 모델에서는 계속 language를 사용합니다.

gpt-transcribe는 Realtime API 세션에서 입력 음성을 전사하거나 전사 전용 세션에서 실행될 때 이전 턴의 전사 결과를 자동으로 컨텍스트로 사용합니다.

실제 사용 환경을 대표하는 오디오로 테스트

애플리케이션이 실제로 처리할 오디오 조건에서 전사를 테스트하세요. 다음 요소를 포함하세요.

• 대상 언어, 억양, 발화 중 언어를 바꾸는 패턴
• 배경 소음, 마이크 품질, 전화 통화 음성
• 이름, 숫자, 날짜, 영숫자 문자열, 분야별 전문 용어
• 짧은 발화, 긴 녹음, 중간에 끊긴 발화

단어 오류율에만 의존하지 말고 애플리케이션 사용에 영향을 주는 오류를 추적하세요. 예를 들어 의료 워크플로우에서는 의약품명이, 고객 지원 워크플로우에서는 주문 번호가 정확하게 전사되는지 테스트하세요.

다음 단계

• 파일 전사.
• 실시간 전사.