BroadRouter
시작하기

Whisper API 대안: 언제 바꿔야 하고 어떻게 테스트할까

BroadNet Inference 팀 · 6분 분량 · 게시 · 업데이트

OpenAI는 whisper-1을 지원 중단 모델로 표시하고 2027년 2월 26일에 종료한다고 밝혔으므로, Whisper API 사용자는 모두 다른 모델로 옮겨야 합니다. 대체 모델은 언어별로 자신의 오디오 클립 30~50개에서 측정한 단어 오류율로 먼저 고르고, 그다음 가격을 보세요. BroadNet Transcribe는 같은 OpenAI SDK 호출을 그대로 받으며 14개 언어에서 1분당 $0.002 요금입니다.

많은 팀이 처음 쓰는 것은 OpenAI Whisper API입니다. 엔드포인트 하나, 가격 하나에 수십 개 언어를 지원합니다. Whisper API 대안을 찾게 되는 것은 네 가지 중 하나가 일어날 때입니다. 내 오디오에서 정확도가 부족하거나, 사용량이 늘면서 청구액이 커지거나, 보안팀이 데이터 보관을 줄이길 원하거나, 호출하는 모델이 종료될 때입니다. 이 글에서는 결정하는 방법과, 코드를 다시 쓰지 않고 대안을 테스트하는 방법을 보여 드립니다.

OpenAI Whisper API는 종료되나요?

OpenAI의 현재 일정에 따르면 그렇습니다. 2026-11-15에 확인한 지원 중단 안내 페이지는 whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-4o-transcribe-diarize를 지원 중단 모델로 표시하며, 2026년 8월 26일에 공지하고 2027년 2월 26일에 종료합니다. 권장 대체 모델은 파일용 gpt-transcribe(1분당 USD 0.0045, 1시간당 USD 0.27)와 실시간 오디오용 gpt-live-transcribe입니다. 가격 페이지에도 같은 네 모델이 지원 중단으로 표시되어 있고, 음성 인식 가이드는 “Start with gpt-transcribe”(번역: gpt-transcribe로 시작하세요)라고 안내합니다. /v1/audio/translations 엔드포인트도 지원 중단되었습니다. 결국 어느 쪽이든 새 모델로 오디오를 다시 테스트해야 합니다. 그러니 지금이 같은 클립으로 OpenAI의 대체 모델과 다른 제공업체를 비교하기 좋은 때입니다.

전체 그림은 공개 데이터 음성 인식 API 가격 지수에서 볼 수 있습니다. 20개가 넘는 제품의 배치·스트리밍 가격, 과금 단위, 아랍어 지원 여부를 각 제공업체의 가격 페이지와 대조해 정리했습니다(CSV와 JSON).

팀들은 왜 Whisper API 대안을 찾나요?

이유 대안에서 확인할 것
특정 언어나 방언의 정확도 관련 테스트 세트에서 공개된 단어 오류율(WER), 그다음 직접 테스트
대량 사용 시 가격 오디오 1시간당 가격과 최소 과금 단위
데이터 보관 오디오와 전사 텍스트를 저장하는지, 얼마나 오래 저장하는지
한도 파일 크기, 형식, 속도 제한
기능 타임스탬프, 화자 분리, 프롬프트, 스트리밍

OpenAI의 음성 인식 가이드에는 “Whisper supports 98 languages, but accuracy varies by language”(번역: Whisper는 98개 언어를 지원하지만 정확도는 언어마다 다릅니다)라고 적혀 있습니다. 이것이 솔직한 출발점입니다. 지원 언어 목록은 무엇이 가능한지를 알려 줄 뿐, 무엇이 잘 되는지는 알려 주지 않습니다.

어떤 Whisper API 대안이 있고, 가격은 얼마인가요?

선택지 가격(정가, 2026년 11월) 언어 비고
OpenAI Whisper API(whisper-1) USD 0.006/분 98개(정확도 편차 있음) 파일 25 MB, 프롬프트 최대 224토큰, 2027-02-26 종료
OpenAI gpt-transcribe USD 0.0045/분(USD 0.27/시간) OpenAI 가이드 참고 OpenAI의 권장 대체 모델. OpenAI 가이드는 단어 단위 타임스탬프를 whisper-1에만, 화자 라벨을 지원 중단된 diarize 모델에만 표시
Groq, Whisper Large v3 USD 0.111/시간 다국어 Groq 공개 WER 10.3%, 최소 과금 10초
Groq, Whisper Large v3 Turbo USD 0.04/시간 다국어 Groq 공개 WER 12%, 번역용으로 학습되지 않음
Soniox(비동기) 약 USD 0.10/시간, 토큰 단위 과금 60개 이상, 아랍어 포함 OpenAI 호환이 아닌 자체 작업(job) 기반 API, 실시간은 약 USD 0.12/시간
Whisper 직접 호스팅 자체 GPU 비용 Whisper와 동일 MIT 라이선스, 운영과 확장은 직접
BroadNet Transcribe $0.002/분 14개 Whisper가 아니라 Cohere Transcribe 기반
BroadNet Transcribe Arabic $0.0042/분 아랍어 BroadNet에 따르면 Open Universal Arabic ASR Leaderboard에서 37개 중 2위 (2026년 9월 기준 수치이며, 2026년 11월 15일 실시간 리더보드에서는 39개 중 4위) 순위

가격과 Groq의 수치는 2026-11-14에 공식 페이지에서 확인했고, OpenAI 수치는 2026-11-15에 다시 확인했습니다. OpenAI의 gpt-transcribe는 시간당으로 BroadNet의 두 모델보다 비쌉니다. Groq의 Turbo 엔드포인트와 Soniox는 둘 다 시간당으로 BroadNet Transcribe(1시간당 $0.12)보다 저렴합니다. 다만 Soniox는 OpenAI 요청 형식을 쓰지 않으므로 클라이언트 코드를 새로 작성해야 합니다. Groq의 WER은 Groq가 자체 공개한 수치이며 다른 모델과 공통 세트로 테스트한 것이 아니므로, BroadNet의 수치와 직접 비교하지 마세요. 이 글은 전환에 관한 것입니다. DeepSeek, AssemblyAI, Deepgram, Google, AWS, Speechmatics와 부가 기능 가격까지 담은 전체 가격 목록은 음성 인식 API 가격 비교를, 자신의 월 사용 시간으로 계산하려면 음성 인식 비용 계산기를 사용하세요.

정확도 수치는 실제로 무엇을 뜻하나요?

BroadNet은 모델 카탈로그에서 BroadNet Transcribe Arabic의 WER 수치 세 가지를 공개합니다.

테스트 세트 오디오 종류 WER
FLEURS-ar 깨끗한 낭독 문장 3.8
MASC-ar 실제 환경의 혼합 아랍어 21.1
BroadNet 방언 세트 방언 음성 23.4

같은 MASC 세트와 방언 세트에서 BroadNet은 Whisper large-v3를 31.5와 31.8로 보고하며, 자사 아랍어 모델은 21.1과 23.4입니다. MASC에서는 오류가 약 3분의 1, 방언 세트에서는 약 4분의 1 적은 셈입니다. 이는 BroadNet이 경쟁 모델을 직접 테스트한 결과이므로, 자신의 오디오로 확인하세요. 모든 항목에 같은 테스트 세트를 쓰는 공개 Open Universal Arabic ASR Leaderboard에서는 2026년 11월 15일 기준 Whisper large-v3가 39개 중 19위(평균 WER 36.86), BroadNet이 서비스하는 모델인 Cohere Transcribe Arabic 07-2026이 4위(24.19)였습니다.

교훈은 이 편차에 있습니다. 같은 모델이 낭독 음성에서는 거의 완벽하지만 대화에서는 훨씬 약합니다. 어떤 제공업체의 대표 WER이든, 다른 사람의 오디오에서 어땠는지를 알려 줄 뿐입니다. 방언은 아랍어 방언 음성 인식에서 자세히 다룹니다.

Whisper 대안을 오후 한나절에 테스트하는 방법

  1. 언어별로 클립 30~50개를 모으세요. 통화, 음성 메시지, 회의 등 실제 트래픽에서 가져오고, 공유하면 안 되는 내용은 빼세요.
  2. 언어별로 클립 10개의 기준 전사본을 직접 작성하세요.
  3. 같은 클립으로 두 API를 실행하세요. OpenAI 호환 제공업체라면 클라이언트와 모델만 바뀝니다.
import os
from openai import OpenAI

whisper = OpenAI()  # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def run(client, model, path, lang):
    with open(path, "rb") as f:
        return client.audio.transcriptions.create(model=model, file=f, language=lang).text

hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar")   # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
  1. 두 결과에 같은 정규화를 적용해 jiwer로 채점하세요.
import re, jiwer

def norm(t):
    t = re.sub(r"[ً-ْ]", "", t)              # strip Arabic diacritics
    t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي")      # unify alef and yaa
    return re.sub(r"[^\w\s]", "", t).lower().strip()

print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
  1. 전사본 20개는 직접 읽어 보세요. 숫자, 이름, 제품 용어를 확인하세요. WER에서 이기고도 계좌 번호를 틀리는 모델이 있습니다.

Whisper를 직접 호스팅해야 하는 경우는 언제인가요?

Whisper의 코드와 가중치는 MIT 라이선스이므로, 직접 운영하는 것은 언제나 선택지입니다. 다음과 같은 경우에 합리적입니다.

  • 오디오가 내부 네트워크를 벗어나면 안 될 때. 법적 또는 계약상 이유가 있는 경우입니다.
  • 사용량이 하루 대부분 GPU를 바쁘게 할 때. 그래야 노는 시간에 돈을 내지 않습니다.
  • 자체 어휘나 억양으로 파인튜닝해야 할 때.

트래픽이 들쭉날쭉하거나, 여러 대의 머신에 걸친 고가용성이 필요하거나, 팀에 GPU 드라이버와 업그레이드를 맡겠다는 사람이 없다면 보기보다 비용이 많이 듭니다(GPU 손익분기점 계산). openai/whisper README에도 turbo 모델은 번역용으로 학습되지 않았다고 적혀 있습니다. 호스팅 API는 이런 문제를 분당 가격으로 바꿔 주므로, 대부분의 팀은 여기서 시작하고 사용량과 요구 사항이 분명해진 뒤에야 직접 호스팅합니다.

전환 체크리스트

base URL을 바꾸는 것은 쉬운 부분입니다. 트래픽을 옮기기 전에 확인하세요.

  • 형식. OpenAI는 flac, mp3, mp4, m4a, ogg, wav, webm을 받습니다. BroadNet은 WAV와 MP3를 받으므로 .ogg와 .m4a는 먼저 ffmpeg로 변환하세요. 브라우저 녹음은 브라우저에서 오디오를 녹음해 음성 인식 API로 보내기를 참고하세요.
  • 파일 크기. OpenAI는 업로드를 25 MB로, BroadNet은 26,214,400바이트(25 MiB)로 제한합니다.
  • 언어 필드. 항상 보내세요. BroadNet에서 language=ar 없이 아랍어를 보내면 라틴 문자로 돌아올 수 있습니다.
  • 선택 파라미터. prompt, verbose_json, 단어 단위 타임스탬프에 의존한다면 대안이 지원하는지 확인하세요. BroadNet 문서는 text가 담긴 JSON 응답을 설명합니다.
  • 속도 제한. BroadNet 종량제 키는 분당 요청 30개, 동시 요청 4개까지 허용합니다.

이 목록의 일반판은 OpenAI 호환 API 전환 체크리스트에 있습니다.

BroadNet Transcribe는 어디에 적합한가요?

아랍어 정확도가 중요할 때, 오디오와 전사 텍스트가 보관되지 않기를 원할 때(데이터 비보관), 또는 14개 언어에서 1분당 $0.002 요금이 지금의 청구액보다 유리할 때 BroadNet을 선택하세요. $5 상당의 초기 크레딧으로 아랍어 오디오 약 1,190분 분량을 처리할 수 있어, 위의 테스트를 돌리기에 충분합니다. BroadNet Inference에서 키를 받으세요. curl과 Python 예제는 아랍어 음성 인식 가이드에 있습니다.

BroadNet 목록에 없는 많은 언어 중 하나, 음성 번역, 실시간 전사, 또는 프롬프트와 키워드 힌트(OpenAI 가이드는 이를 gpt-transcribe에 대해 문서화)가 필요하다면 OpenAI의 대체 모델이나 다른 제공업체를 계속 쓰세요. 아랍어 녹음 파일을 영어로 번역하려면 2단계 파이프라인도 방법입니다. 아랍어 오디오를 영어로 번역하기를 참고하세요. 영어를 최저가로 처리하려면 호스팅된 Whisper Turbo 엔드포인트가 시간당 더 저렴합니다.

자주 묻는 질문

OpenAI Whisper API의 가장 좋은 대안은 무엇인가요?

감당할 수 있는 가격에서 자신의 오디오로 측정한 단어 오류율이 가장 낮은 모델입니다. 아랍어라면 아랍어 방언용으로 만든 모델을 테스트하세요. 영어를 최저가로 처리하려면 호스팅된 Whisper Large v3 Turbo 엔드포인트를 이기기 어렵습니다.

더 저렴한 Whisper API가 있나요?

있습니다. OpenAI는 whisper-1(지원 중단)을 1분당 USD 0.006, 대체 모델 gpt-transcribe를 USD 0.0045로 표시합니다. Groq는 Whisper Large v3를 1시간당 USD 0.111, Large v3 Turbo를 1시간당 USD 0.04로 표시하며, BroadNet Transcribe는 1분당 $0.002 요금입니다.

Whisper 대안에서도 OpenAI SDK를 계속 쓸 수 있나요?

OpenAI 호환 제공업체라면 가능합니다. base_url, API 키, 모델 ID를 바꾸세요. prompt, response_format, 타임스탬프 같은 선택 파라미터 중 무엇을 지원하는지는 확인해야 합니다.

Whisper는 아랍어 인식을 잘하나요?

Whisper는 대화체 방언보다 현대 표준 아랍어를 훨씬 잘 처리합니다. OpenAI도 정확도가 언어마다 다르다고 밝힙니다. 결정하기 전에 자신의 녹음으로 방언별 단어 오류율을 측정하세요.

Whisper를 직접 호스팅하는 편이 나을까요?

오디오가 내부 네트워크를 벗어나면 안 되거나, 사용량이 GPU를 계속 바쁘게 할 정도라면 직접 호스팅이 합리적입니다. Whisper의 코드와 가중치는 MIT 라이선스입니다. 그렇지 않다면 놀고 있는 GPU보다 호스팅 API가 대개 더 저렴합니다.

Markdown으로 읽기ChatGPT에 질문하기Claude에 질문하기Perplexity에 질문하기