파일 전사용 모델이 분당 $0.0045로 나왔어
“파일 전사용 새 모델 단가가 분당 $0.0045야.”
OpenAI(오픈에이아이)가 7월 28일 API 변경 이력에 전사 모델 2종을 올렸어. 파일용 gpt-transcribe와 실시간용 gpt-live-transcribe야.
분 단위로 값을 매긴 기존 모델은 Whisper (위스퍼) 계열의 whisper-1 하나뿐이고 분당 $0.006이야. 그 값과 견주면 25% 낮은데, 이건 OpenAI가 발표한 비율이 아니라 두 단가를 비교하면 나오는 값이야.
whisper-1은 타임스탬프와 자막, 번역 기능에 그대로 남아 있어. 그래서 같은 기능을 놓고 겨루는 비교는 아니야.
실시간 단가는 그대로야
gpt-live-transcribe는 분당 $0.017이야. 기존 실시간 전사 경로와 같은 값이라, 여기선 비용이 달라지지 않아.
그러니까 이번 변화는 “음성 인식 비용이 전반적으로 내려갔다”가 아니야. 녹음 파일을 나중에 처리하는 경로만 싸졌어.
한 가지 더 다른 점이 있어. gpt-live-transcribe는 실시간 전사 세션에서만 돌아가고, gpt-transcribe는 파일 전사와 실시간 세션 양쪽에서 다 쓸 수 있어.
정확도를 올리는 방법이 힌트 3종으로 바뀌었어
- 주제 설명(prompt): 녹음이 무슨 상황인지 자유롭게 적어서 같이 넘겨.
- 키워드(keywords): 제품명, 약 이름, 약어처럼 실제로 나올 단어를 미리 알려줘. 다만 반드시 그렇게 받아쓰라는 강제는 아니야.
- 예상 언어(languages): 여러 언어가 섞이는 오디오에서 어떤 언어가 나올지 미리 지정해.
전사 품질을 올릴 때 모델을 바꾸는 대신, 같은 API에 맥락을 더 넘기는 방식으로 바뀐 셈이야.
성능 수치는 문서에 없어
공식 전사 가이드에는 오류율 비교나 벤치마크 표가 없어. 대신 실제 서비스가 다루는 오디오 조건에서 직접 테스트하고, 서비스에 실제로 문제가 되는 오류를 세라고 적혀 있어.
그래서 “더 정확해졌다”는 판단은 아직 각자 측정 몫이야. 특히 한국어처럼 별도로 재본 공개 자료가 없는 언어는 바꾸기 전에 같은 오디오로 두 모델을 나란히 돌려보는 게 맞아.
지금 바꿀 팀과 그대로 둘 팀
- 녹음 파일을 대량으로 돌리는 팀:
whisper-1에서gpt-transcribe로 옮기면 분당 $0.006이 $0.0045가 돼. 물량이 클수록 차이가 그대로 나와. - 실시간 자막이나 통화 처리 팀: 분당 $0.017은 그대로라 비용 이유로 옮길 근거는 없어. 지연 조절이나 키워드 힌트가 필요할 때만 검토해.
- 자막 파일과 번역이 필요한 팀: 타임스탬프, 자막, 번역은 여전히
whisper-1에만 있어. 단가만 보고 정리할 항목이 아니야.
gpt-4o-transcribe 계열을 쓰고 있다면 분당이 아니라 토큰으로 청구돼서 단순 비교가 안 돼. 급할 건 없으니 파일 경로 하나만 먼저 바꿔 같은 오디오로 결과를 비교해보고, 실시간 경로는 지금 구성을 그대로 둬도 손해가 없어.