BizRouter 비즈라우터

음성 인식

녹음 파일을 업로드하면 텍스트로 전사합니다. 요청과 응답이 OpenAI Transcriptions API와 같은 형식이므로 기존 코드에서 주소와 키만 바꾸면 그대로 동작합니다. 실시간 대화, REST 음성 대화, 음성 합성과의 차이는 오디오 API 에서 비교할 수 있습니다. 엔드포인트 POST /v1/audio/transcriptions JSON이 아니라 multipart/form-data 로 전송합니다. 오디오 파일이 본문에 포함되기 때문입니다.

지원 모델

api_type=audio_transcription 인 모델만 이 엔드포인트에서 사용할 수 있습니다 openai/gpt-transcribe 정확도가 높은 받아쓰기 모델입니다. 회의록과 인터뷰처럼 전사 품질이 중요한 작업에 적합합니다. 요금은 토큰이 아니라 오디오 1분 단위 로 계산됩니다. openai/gpt-live-transcribe 와 openai/gpt-realtime-whisper 는 파일을 받지 않습니다. 실시간 세션에서 말하는 소리를 그대로 받아쓰는 모델이라, 이 엔드포인트가 아니라 실시간 음성 문서의 받아쓰기 설정에서 지정합니다.

요청 보내기

파일과 모델 코드만 있으면 요청할 수 있습니다 cURL Python Node.js

요청 파라미터

file 오디오 파일은 필수입니다. mp3, mp4, m4a, wav, webm 등을 지원하며 최대 크기는 25MB입니다. model 모델 코드 (필수) language ISO-639-1 언어 코드. 한국어면 ko 를 입력해야 합니다. 생략하면 자동으로 판단하지만 입력하는 편이 더 정확하고 빠릅니다. prompt 고유명사나 전문용어를 미리 알려 주는 힌트입니다. 사람 이름, 제품명, 사내 약어처럼 자주 틀리는 단어를 입력하면 전사 정확도가 높아집니다. temperature 범위는 0~1이며 기본값은 0입니다.

응답

전사된 텍스트와 사용량이 함께 반환됩니다 오디오와 텍스트 요금은 별도로 계산됩니다 input_token_details 의 오디오 토큰과 텍스트 토큰은 단가가 다르므로 각각 계산됩니다. 사용량 화면과 청구서에서도 같은 기준으로 구분됩니다.

현재 제한사항

실시간 스트리밍 stream=true 는 아직 지원하지 않습니다. 말하는 동안 바로 전사해야 한다면 Realtime API 를 사용해야 합니다. text · srt · vtt 응답 형식 response_format 은 json 을 사용해야 합니다. 자막·평문 형식은 본문에 사용량이 함께 오지 않아서 요금을 정확히 계산할 수 없어 지원하지 않습니다. 자막이 필요하면 json 응답으로 직접 생성해야 합니다.

에러

400 파일이 없거나, 받아쓰기 모델이 아니거나, 지원하지 않는 옵션을 보냈을 때 401 API 키 오류 413 파일이 25MB를 넘을 때 429 요청 한도 초과 음성 인식과 음성 대화는 목적이 다릅니다 전사 결과만 필요하면 이 API를 사용해야 합니다. 녹음 내용을 이해해 답변까지 생성하려면 gpt-audio Chat Completions 가 맞습니다.

주식회사 AI3 | 서울 강남구 영동대로85길 34 | support@bizrouter.ai