BroadRouter

아랍어 음성 인식(STT) API: 2026년 선택 가이드

BroadNet Inference 팀 · 7분 분량 · 게시 · 업데이트

아랍어 음성 인식 API는 내 녹음으로 테스트해서 고르세요. 내 방언에서 단어 오류율을 측정한 뒤, 오디오 시간당 가격, 파일 한도, 데이터 보관 정책을 비교합니다. BroadNet Transcribe Arabic은 오디오 1시간에 $0.25, 1분에 $0.0042 이며, Open Universal Arabic ASR Leaderboard는 2026년 11월 15일 기준 이 모델을 39개 중 4위 에 올렸습니다.

아랍어 음성 인식(STT) API를 고르려면, 방언마다 내 클립 30~50개를 후보마다 전사해 방언별 단어 오류율을 비교한 뒤, 오디오 시간당 가격, 파일 한도, 스트리밍 필요 여부, 데이터 보관 정책을 따져 보세요. 벤치마크에서 훌륭해 보이는 모델도 내 콜센터 오디오에서는 실패할 수 있습니다.

아랍어는 음성 인식이 어려운 언어입니다. 하나의 문어 표준 위에 여러 구어 방언이 얹혀 있고, 화자는 문장 중간에 영어로 바꾸며, 실제 오디오는 대부분 전화 통화와 음성 메시지입니다.

왜 내 오디오에서의 단어 오류율이 가장 중요한가요?

단어 오류율(WER)은 모델이 틀린 단어, 즉 바꾸거나 빠뜨리거나 지어낸 단어의 비율입니다. 낮을수록 좋습니다. 공개 수치는 출발점일 뿐입니다.

테스트 세트 내용 BroadNet Transcribe Arabic ElevenLabs Scribe v2 Whisper large-v3
FLEURS-ar 깨끗한 낭독 문장 3.8 공개되지 않음 공개되지 않음
MASC-ar 실제 환경의 다양한 아랍어 음성 21.1 22.3 31.5
BroadNet 방언 세트 걸프, 이집트, 레반트 음성 23.4 25.6 31.8

이 수치는 BroadNet의 자체 측정값으로, 모델 카탈로그와 Transcribe Arabic 페이지에 게시되어 있습니다. 비교를 BroadNet이 직접 했으므로, ElevenLabs와 Whisper 열은 독립적인 결과가 아니라 한 벤더가 경쟁사를 테스트한 것으로 보세요. BroadNet은 또한 이 모델이 Open Universal Arabic ASR Leaderboard에서 37개 중 2위 (2026년 9월 기준 수치이며, 2026년 11월 15일 실시간 리더보드에서는 39개 중 4위) 이며, 라이선스상 API로 서비스할 수 있는 모델 중에서는 1위라고 보고합니다. 2026년 11월 15일 기준으로 그 위의 세 항목은 Jais-ASR, Sygma-ASR-Arabic(리더보드 설명으로는 Cohere 모델에 빔 디코딩을 적용한 것), Audar-ASR-V1-Turbo였고, Whisper large-v3는 19위였습니다. 각 항목의 라이선스는 저희가 확인하지 않았습니다.

가입 전에 내 목소리로 모델을 들어 볼 수 있습니다. BroadNet의 브라우저 플레이그라운드는 계정 없이 아랍어나 영어 오디오를 최대 60초까지 전사합니다. 플레이그라운드 사용법을 참고하세요.

3.8과 23.4의 차이가 교훈입니다. 같은 모델이 낭독 음성에서는 거의 완벽하고, 방언 대화에서는 훨씬 약할 수 있습니다. 내 오디오로 테스트하세요.

벤더 수치는 전반적으로 조심해서 보세요. 공개된 아랍어 WER 수치 상당수는 내가 볼 수 없는 오디오로 벤더가 직접 한 테스트에서 나옵니다. 테스트 세트, 정규화, 채점 도구가 같을 때만 수치를 비교할 수 있습니다.

전체 그림은 저희가 공개한 음성 인식 API 가격 인덱스에 있습니다. 20개 이상의 제품에 대해 배치와 스트리밍 가격, 과금 단위, 아랍어 지원 여부를 각 제공업체의 가격 페이지와 대조해 정리했습니다(CSV, JSON).

방언 지원은 어떻게 확인하나요?

테스트 파일을 방언별로 묶으세요. 걸프(칼리지), 이집트, 레반트, 이라크, 마그레브, 그리고 현대 표준 아랍어입니다. 그룹마다 따로 채점하세요. 고객 대부분이 리야드에 있다면 평균보다 걸프 WER이 훨씬 중요합니다.

코드 스위칭 에 주의하세요. 걸프 지역의 비즈니스 대화에는 영어 제품명과 숫자가 섞입니다. 숫자, 날짜, 이름이 어떻게 나오는지 확인하세요. 후속 시스템이 실제로 처리하는 단어가 바로 이것들입니다. BroadNet은 잡음이 많은 오디오에서 숫자, 날짜, 이름을 위한 파인튜닝된 아랍어 모델을 요청 시 제공합니다.

아랍어 전사 비용은 오디오 시간당 얼마인가요?

물량을 오디오 시간으로 재므로, 시간당으로 비교하세요.

모델 분당 시간당 1,000시간
BroadNet Transcribe Arabic $0.0042 $0.25 $252.00
BroadNet Transcribe (14개 언어) $0.002 $0.12 —
Soniox 비동기(파일), 60개 이상 언어 약 USD 0.0017 (환산) 약 USD 0.10 약 USD 100
Soniox 실시간(스트리밍) 약 USD 0.002 (환산) 약 USD 0.12 약 USD 120

Soniox 행은 2026년 11월 14일에 확인한 Soniox 가격에서 가져왔습니다. Soniox는 토큰 단위(시간당 오디오 토큰 약 30,000개)로 과금하며, 시간당 금액은 근사치로 제시합니다.

Soniox는 시간당 가격이 BroadNet보다 저렴합니다. 파일 요금은 BroadNet Transcribe Arabic의 $0.25 의 절반도 안 되고, BroadNet Transcribe의 $0.12 보다도 낮습니다. 실시간 요금은 BroadNet Transcribe와 같고 여전히 아랍어 모델보다 싸며, BroadNet은 실시간 스트리밍을 아예 문서화하지 않았습니다. Soniox는 지원 언어에 아랍어(ar)를 넣고 모든 언어에 한 가지 요금을 표시합니다. 아랍어 전용 가격, 아랍어 WER 수치, 방언 지원 범위는 공개하지 않으므로, 가격은 분명하지만 정확도는 그렇지 않습니다. 가격으로 고르기 전에 두 곳 모두에 같은 방언 테스트를 돌리세요.

고객 지원 인박스라면, 30초짜리 WhatsApp 음성 메시지 10,000개는 아랍어 모델로 $21.00 가 듭니다. 계산식은 10,000 × 0.5 minutes × $0.0042 입니다. 내 물량은 음성 인식 비용 계산기로 계산해 보세요.

제공업체를 비교할 때는 요금뿐 아니라 과금 단위도 확인하세요. 초 단위인지, 분 단위인지, 시작된 블록 단위인지, 파일당 최소 요금이 있는지입니다. 과금 반올림은 짧은 음성 메시지에서 드러납니다. 다른 제공업체의 분당 요금을 가격 페이지와 대조한 내용은 음성 인식 API 가격 비교를, OpenAI 엔드포인트에서 옮겨 오는 중이라면 Whisper API 대안 체크리스트를 참고하세요. Transcribe와 Transcribe Arabic 비교는 더 저렴한 14개 언어 모델로 충분한 경우를 보여 줍니다.

아랍어 음성 인식 API에는 어떤 기능이 있어야 하나요?

모든 제품에 모든 기능이 필요한 것은 아닙니다. 비교하기 전에 어떤 기능이 중요한지 정하세요.

기능 중요한 이유 확인할 것
배치 파일 업로드 음성 메시지, 녹음, 아카이브 형식과 최대 파일 크기
실시간 스트리밍 실시간 자막, 음성 에이전트 지연 시간, 별도 제품인지 여부
화자 구분(화자 분리) 상담원과 고객의 통화 배치 전용인지, 실시간도 되는지
단어 타임스탬프 자막, 검색, 검토 도구 단어 단위인지, 구간 단위인지
코드 스위칭 영어 용어가 섞인 아랍어 요청마다 언어 하나가 필요한지
데이터 보관 통화에는 개인정보가 담김 오디오나 텍스트를 보관하는지, 얼마나 오래

BroadNet이 현재 문서화한 기능은 OpenAI 호환 /v1/audio/transcriptions 엔드포인트를 통한 배치 전사, WAV나 MP3 입력, language 필드, 데이터 무보관입니다. 이 목록의 다른 기능은 의존하기 전에 API 레퍼런스를 확인하세요.

파일 한도와 형식은 어떻게 되나요?

  • 파일 크기. BroadNet은 파일당 최대 26,214,400바이트(25 MiB)의 WAV나 MP3를 받습니다. 더 큰 파일은 413을 반환하므로 긴 녹음은 나누세요.
  • 형식. .ogg 음성 메시지와 .m4a 녹음은 먼저 변환하세요. WhatsApp 음성 메시지 가이드에 ffmpeg 명령이 있습니다.
  • language 필드. language=ar를 보내세요. 없으면 아랍어가 라틴 문자로 음역되어 돌아올 수 있습니다.
  • 요청 한도. 종량제 키는 분당 요청 30 개, 동시 처리 4 개까지 허용합니다. 밀린 파일이 많다면 큐에 넣고 429는 백오프로 재시도하세요. 오류와 재시도를 참고하세요.

오디오가 저장되나요?

음성 메시지와 통화에는 이름, 전화번호, 건강이나 금융 정보가 담깁니다. 모든 제공업체에 오디오와 전사 텍스트를 보관하는지, 얼마나 오래 보관하는지 물어보세요. BroadNet Inference는 둘 다 보관하지 않습니다. 데이터 무보관(ZDR)과 저희 ZDR 체크리스트를 참고하세요.

아랍어 전사 API를 반나절 만에 테스트하려면?

  1. 실제 서비스 채널에서 방언마다 실제 클립 30~50개를 모으세요. 공유하면 안 되는 내용은 빼세요.
  2. 합의한 철자 규칙 하나로, 방언마다 클립 10개의 정답 전사를 직접 작성하세요.
  3. 후보 API마다 모든 클립을 전사하세요. 단계별 아랍어 가이드에 BroadNet용 curl과 파이썬 코드가 있습니다.
  4. 두 텍스트를 같은 방식으로 정규화하고 방언별 WER과 CER을 계산하세요. 아랍어 WER 설명에 파이썬 정규화 함수가 있고, 이를 건너뛰면 완벽한 전사도 WER 75%가 될 수 있는 이유를 보여 줍니다.
  5. 전사 20개는 직접 읽어 보세요. WER이 낮아도 숫자나 이름이 틀렸을 수 있습니다.

클립을 고르고, 정답을 쓰고, 방언 그룹별로 채점하는 방법은 아랍어 방언 음성 인식에서 자세히 다룹니다.

흔한 실수

  • 깨끗한 오디오로만 테스트하기. 실제 전화와 음성 메시지 녹음을 쓰세요.
  • 평균 WER 하나만 보기. 좋은 평균이 고객이 쓰는 방언 하나를 가릴 수 있습니다.
  • language 필드 빠뜨리기. 음역된 출력은 거의 전부 오류로 채점됩니다.
  • 숫자 무시하기. 숫자, 날짜, 금액은 직접 확인하세요. 시스템이 실제로 처리하는 것이 이것들입니다.

BroadNet Inference의 위치

BroadNet Transcribe Arabic은 아랍어 음성 메시지, 통화, 녹음을 분당 가격으로 배치 전사하고 오디오를 보관하지 않는 용도에 맞습니다. $5 상당의 초기 크레딧으로 아랍어 오디오 약 1,190 분을 처리할 수 있어, 카드 없이 위 테스트를 하기에 충분합니다. 실시간 스트리밍 자막처럼 문서화되지 않은 기능이 필요하다면 그 기능을 제공하는 업체를 테스트하세요. 전사 후의 아랍어 텍스트 작업은 아랍어용 LLM 고르기를 참고하세요.

자주 묻는 질문

아랍어에서 좋은 단어 오류율은 어느 정도인가요?

오디오에 따라 다릅니다. BroadNet은 BroadNet Transcribe Arabic의 WER을 FLEURS-ar(깨끗한 낭독 음성)에서 3.8, MASC-ar에서 21.1, 자체 방언 세트에서 23.4로 보고합니다. 방언 대화 오디오는 낭독 음성보다 항상 어렵습니다.

아랍어 방언에 가장 좋은 음성 인식 API는 무엇인가요?

방언과 녹음 품질에 따라 결과가 달라서 정답은 하나가 아닙니다. API 두세 개를 후보로 골라, 방언마다 내 클립 30~50개를 각각 전사하고, 전체 평균이 아니라 방언별 단어 오류율을 비교하세요.

아랍어 오디오 1,000시간을 전사하는 데 얼마가 드나요?

오디오 1분에 $0.0042 이므로, BroadNet Transcribe Arabic으로 1,000시간이면 $252.00 입니다.

BroadNet 아랍어 음성 인식은 실시간 스트리밍을 지원하나요?

BroadNet은 최대 25 MiB의 WAV나 MP3 파일을 /v1/audio/transcriptions로 보내는 배치 전사를 문서화하고 있습니다. 실시간 스트리밍 자막은 문서화하지 않았습니다. 필요하다면, 예를 들어 Soniox는 언어 목록에 아랍어가 포함된 실시간 전사를 판매합니다(2026년 11월 14일 확인).

WhatsApp 음성 메시지도 전사할 수 있나요?

네. ffmpeg로 .ogg 파일을 WAV나 MP3로 변환한 뒤에 가능합니다. 이 사이트의 WhatsApp 가이드에 한 줄짜리 변환 명령이 있습니다.

내 오디오가 저장되나요?

아니요. BroadNet Inference는 요청이 끝난 뒤 오디오와 전사 텍스트를 보관하지 않습니다. 처리 시간과 비용 같은, 내용이 없는 기록만 남깁니다.

Markdown으로 읽기ChatGPT에 질문하기Claude에 질문하기Perplexity에 질문하기