음성-텍스트 변환

음성-텍스트 변환은 음성 오디오를 문자로 전사합니다. 오디오 파일을 /audio/transcriptions로 전송하고 전사 모델을 선택한 뒤 원하는 응답 형식을 지정하세요. 대화 녹음을 다루고 계신가요? 음성-텍스트 변환으로 회의록 만들기는 오디오 파일에서 시작해 합의된 시점(초 단위)을 인용하는 결정 사항과 실행 항목까지 다루며, 어떤 모델이 세그먼트 타이밍을 반환하는지, 화자가 누구인지 전혀 밝히지 않는 전사를 어떻게 처리하는지도 설명합니다.

기본 사용법

import os

import requests

with open("meeting.mp3", "rb") as audio:
    response = requests.post(
        "https://api.venice.ai/api/v1/audio/transcriptions",
        headers={"Authorization": f"Bearer {os.environ['VENICE_API_KEY']}"},
        files={"file": audio},
        data={
            "model": "nvidia/parakeet-tdt-0.6b-v3",
            "response_format": "json",
        },
    )

response.raise_for_status()
print(response.json()["text"])

import { createReadStream } from "node:fs";
import FormData from "form-data";

const form = new FormData();
form.append("file", createReadStream("meeting.mp3"));
form.append("model", "nvidia/parakeet-tdt-0.6b-v3");
form.append("response_format", "json");

const response = await fetch("https://api.venice.ai/api/v1/audio/transcriptions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.VENICE_API_KEY}`,
    ...form.getHeaders(),
  },
  body: form,
});

if (!response.ok) {
  throw new Error(await response.text());
}

const transcript = await response.json();
console.log(transcript.text);

curl https://api.venice.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  --form [email protected] \
  --form model=nvidia/parakeet-tdt-0.6b-v3 \
  --form response_format=json

지원 입력

지원되는 오디오 형식은 wav, wave, flac, m4a, aac, mp4, mp3, ogg, oga, webm입니다. 파일의 MIME 유형 또는 확장자 중 하나가 이 목록에 있으면 허용되며, 업로드된 바이트도 매직 바이트 검사를 통과해야 합니다 — 파일 이름을 지원되는 확장자로 바꾸는 것만으로는 통과할 수 없습니다. 현재 모델 지원과 가격 정보는 음성-텍스트 모델 페이지를 참조하세요.

응답 형식

형식	사용 시점
`json`	구조화된 응답을 원할 때: `text`와 함께, 가능한 경우 `duration` 및 `timestamps` 포함.
`text`	JSON 파싱 없이 순수 텍스트를 원할 때.

response_format이 허용하는 값은 이 두 가지뿐입니다. srt, vtt, verbose_json 옵션은 없으며 — 요청하면 400이 반환됩니다. 자막을 만들려면 timestamps: true를 response_format: json과 함께 사용하고 타이밍 데이터를 직접 렌더링하세요.

타임스탬프

timestamps=true를 전달하면 전사 결과와 함께 타이밍 데이터를 받을 수 있습니다. 지원 여부는 모델별로 다르며, 세분성도 다릅니다:

모델	세분성
`elevenlabs/scribe-v2`	`word`
`stt-xai-v1`	`word`
`openai/whisper-large-v3`	`segment`
`fal-ai/wizper`	`segment`
`nvidia/parakeet-tdt-0.6b-v3`	없음

기본 모델인 nvidia/parakeet-tdt-0.6b-v3은 timestamps=true를 받아들이고는 무시합니다 — 오류도 경고도 없이 text만 포함된 응답을 받게 됩니다. 타이밍이 필요하면 위 표에서 모델을 선택하고, 읽기 전에 timestamps 키가 존재하는지 확인하세요.

curl https://api.venice.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  --form [email protected] \
  --form model=elevenlabs/scribe-v2 \
  --form timestamps=true \
  --form response_format=json

{
  "text": "The quick brown fox jumps over the lazy dog.",
  "duration": 4.099,
  "timestamps": {
    "word": [
      { "word": "The", "start": 0.0, "end": 0.14 },
      { "word": "quick", "start": 0.14, "end": 0.42 }
    ]
  }
}

세그먼트 수준 모델은 대신 segment 배열을 반환하며, 각 항목은 { "text": "...", "start": 0.0, "end": 3.2 } 형태입니다. 모든 시간은 초 단위입니다.

어떤 Venice 전사 모델도 화자 분리(speaker diarization)를 수행하지 않으므로, 어떤 응답에도 speaker 필드가 없습니다. 전사 결과는 단일 텍스트 스트림입니다 — 화자는 이름이 소리 내어 언급될 때만 식별할 수 있습니다.

프로덕션 팁

가능하면 오디오를 선명하게 유지하고 화자가 겹치지 않도록 하세요.
워크플로에 낮은 지연 시간이나 손쉬운 재시도가 필요하다면 매우 긴 녹음을 더 작은 청크로 분할하세요.
감사 추적을 위해 각 전사 결과와 함께 원본 오디오 경로, 모델 ID, 응답 형식을 저장하세요.

문서

시작하기

텍스트 및 채팅

이미지

비디오

오디오

검색 및 RAG

에이전트 및 통합

코딩 도구

에이전트 도구

SDK 및 프레임워크

기본 사용법

지원 입력

응답 형식

타임스탬프

프로덕션 팁

관련 리소스

​기본 사용법

​지원 입력

​응답 형식

​타임스탬프

​프로덕션 팁

​관련 리소스

기본 사용법

지원 입력

응답 형식

타임스탬프

프로덕션 팁

관련 리소스