Cloud Speech-to-Text

머신러닝 기반 음성 텍스트 변환 기술로 길이에 상관없이 음성을 텍스트로 변환

이 제품의 문서 보기

강력한 음성 인식

사용하기 간편한 API로 강력한 신경망 모델을 적용하는 Google Cloud Speech-to-Text를 사용하면 개발자가 오디오를 텍스트로 변환할 수 있습니다. 이 API는 120개 이상의 언어와 방언을 인식해 글로벌 사용자층을 지원합니다. 음성 명령 및 제어 기능을 구현하고 콜센터의 오디오를 텍스트로 변환하는 등의 작업을 할 수 있고 Google의 머신러닝 기술을 사용하여 실시간 스트리밍 또는 사전 녹음 오디오를 처리할 수 있습니다.

지금 바로 음성을 텍스트로 변환해 보세요.^*

언어를 선택하고 '지금 시작'을 클릭하여 녹음을 시작해 보세요.

머신러닝 활용

최첨단 딥 러닝 신경망 알고리즘을 오디오에 적용하여 독보적인 정확도로 음성을 인식합니다. Google 제품의 내부 음성 인식 기술이 개선됨에 따라 Cloud Speech-to-Text의 정확도도 시간이 지날수록 향상됩니다.

120개 이상의 언어 및 방언 인식

Cloud Speech-to-Text는 120개의 언어와 방언을 인식해 글로벌 사용자층을 지원합니다. 또한 모든 언어의 텍스트 결과에서 부적절한 콘텐츠를 필터링할 수 있습니다.

음성 언어를 자동으로 식별

Cloud Speech-to-Text를 사용하면 특정 발언에서 어떤 언어가 사용되었는지 확인할 수 있습니다(4개국어로 제한). 이 기능은 음성 검색(예: '파리의 현재 기온은 몇 도야?')과 명령(예: '볼륨을 높여줘')에 사용할 수 있습니다.

길이에 상관없이 실시간으로 오디오 텍스트 변환

Cloud Speech-to-Text는 스트리밍 오디오에서 텍스트가 인식되거나 사용자가 말하고 있을 때 즉시 텍스트를 반환하여 텍스트 결과를 스트리밍합니다. 또한 파일로 저장된 오디오에서 인식된 텍스트도 반환합니다. 짧고 긴 오디오의 분석이 모두 가능합니다.

자동으로 고유 명사 및 문맥에 맞는 형식을 텍스트로 변환

Cloud Speech-to-Text는 일상 대화를 잘 인식하도록 설계되었으며, 고유 명사(예: 순다르 피차이)를 정확하게 텍스트로 변환하고 언어의 형식(예: 날짜, 전화번호)을 적절하게 지정할 수 있습니다. Google은 Oxford 영어 사전의 전체 단어 수 대비 10배 이상의 고유 명사를 지원합니다.

용례에 맞도록 사전 빌드된 모델 제공

Cloud Speech-to-Text는 사전 빌드된 여러 음성 인식 모델과 함께 제공되므로 사용 사례(예: 음성 명령)에 맞게 최적화할 수 있습니다. 예를 들어 사전 빌드된 동영상 텍스트 변환 모델은 동영상 또는 화자가 여러 명인 콘텐츠의 색인을 생성하거나 자막을 제작하는 데 적합하며 YouTube 자막 제작과 비슷한 머신러닝 기술을 사용합니다.

모델	설명
command_and_search	음성 명령이나 음성 검색과 같은 짧은 쿼리에 가장 적합합니다.
phone_call	전화 통화 오디오에 가장 적합합니다. 대개 8kHz의 샘플링 레이트로 녹음된 통화를 사용합니다.
video	동영상 오디오나 여러 화자가 있는 오디오에 가장 적합합니다. 16kHz 이상의 샘플링 레이트로 녹음된 오디오가 좋습니다. 표준 요금보다 비싼 프리미엄 모델입니다.
default	특정 오디오 모델이 아닌 오디오에 가장 적합합니다. 예를 들어 긴 오디오가 여기에 포함됩니다. Hi-Fi이고 16kHz 이상의 샘플링 레이트로 녹음된 오디오가 좋습니다.

Cloud Speech-to-Text 기능

머신러닝 기반의 음성 텍스트 변환

자동 음성 인식: 딥 러닝 신경망 기반의 자동 음성 인식(ASR)을 음성 검색이나 음성 텍스트 변환과 같은 애플리케이션에 활용할 수 있습니다.
전 세계의 다양한 어휘 지원: 방대한 분량의 어휘를 바탕으로 120개 이상의 언어와 방언을 인식합니다.
맞춤 음성 인식: 최대 5,000개 단어 또는 구(예: 제품 이름)를 지정하여 비즈니스에 맞게 음성 인식을 수동으로 맞춤 설정할 수 있습니다. 또한 음성으로 숫자가 인식되었을 때 문맥에 따라 자동으로 주소, 연도, 통화 등으로 변환할 수 있습니다.
실시간 스트리밍 또는 사전 녹음 오디오 지원: 오디오 입력은 애플리케이션의 마이크에서 스트리밍하거나 Google Cloud Storage를 통해 또는 인라인으로 사전 녹음된 오디오 파일에서 전송할 수 있습니다. FLAC, AMR, PCMU, Linear-16을 비롯한 여러 오디오 인코딩이 지원됩니다.
언어 자동 감지^베타: 다중 언어를 지원해야 하는 경우 2~4개의 언어 코드를 지정하면 Cloud Speech-to-Text가 올바른 음성 언어를 식별하고 텍스트로 변환합니다.

강력한 소음 인식 기능: 별도로 주변 소음을 제거할 필요 없이 다양한 환경에서 소음이 있는 오디오를 처리합니다.
부적절한 콘텐츠 필터링: 일부 언어의 경우 텍스트 결과에서 부적절한 콘텐츠를 필터링할 수 있습니다.
자동 구두점^베타: 머신러닝으로 텍스트 변환의 구두점(예: 쉼표, 물음표, 마침표 등)을 정확하게 추가합니다.
모델 선택: 사전 빌드된 4가지 모델 모음(기본값, 음성 명령 및 검색, 전화 통화, 동영상 텍스트 변환) 중에서 선택할 수 있습니다.
화자 분할^베타: 누가 무엇을 말했는지 알 수 있습니다. 이제 대화에서 각 발언의 주체가 누구인지 자동으로 인식할 수 있습니다.
다중 채널 인식: 각 참가자의 음성이 각각의 채널을 통해 녹음된 다중 참가자 녹음(예: 2채널 전화 통화 또는 4채널 화상회의)의 경우 Cloud Speech-To-Text는 각 채널을 개별적으로 인식한 다음 텍스트 변환에 주석을 달아 실제 발화 순서와 동일하게 만듭니다.