ElevenLabs Scribe v2 출시: 업계에서 가장 정확한 음성-텍스트 변환 모델
핵심 요약
- ✓ Scribe v2 Realtime이 라이브 전사를 위해 150ms 지연 시간을 제공합니다—최적화된 조건에서 30-80ms만큼 낮습니다
- ✓ 자동 언어 탐지 및 예측 전사와 함께 90개 이상의 언어를 지원합니다
- ✓ Batch 버전은 최대 100개의 기술 용어에 대한 키워드 프롬프팅과 56개 데이터 카테고리에 대한 엔티티 탐지를 포함합니다
- ✓ 화자 구분이 타임스탬프와 함께 최대 48명의 고유 화자를 지원합니다
- ✓ 다국어 벤치마크에서 93.5% 정확도—Whisper 및 Gemini Flash를 능가합니다
무슨 일이 일어났나요
ElevenLabs가 회사가 주장하는 가장 정확한 전사 시스템인 Scribe v2라는 새로운 세대의 음성-텍스트 변환 모델을 출시했습니다. 출시는 두 가지 특화 버전으로 구성됩니다:
- Scribe v2 Realtime (2026년 1월 6일) - 라이브 대화형 AI 및 음성 에이전트에 최적화
- Scribe v2 Batch (2026년 1월 9일) - 장편 오디오 처리, 자막, 캡션을 대규모로 처리하도록 설계
이 출시는 ElevenLabs를 OpenAI의 Whisper, Google의 음성 인식, Rev 및 Otter.ai와 같은 엔터프라이즈 전사 서비스와 직접 경쟁할 수 있게 포지셔닝합니다.
Scribe v2 Realtime: 대화형 AI용으로 구축됨
Realtime 버전은 지연 시간이 중요한 라이브 응용 프로그램—음성 어시스턴트, 실시간 자막, 대화형 AI 에이전트—을 위해 특별히 제작되었습니다.
주요 기능
| 기능 | 사양 |
|---|---|
| 지연 시간 | 일반적으로 150ms 미만, 최적화 시 30-80ms |
| 언어 | 자동 탐지와 함께 90개 이상 |
| 정확도 | 다국어 벤치마크에서 93.5% |
| 음성 활동 탐지 | 내장 VAD |
작동 방식
Scribe v2 Realtime은 예측 전사를 사용합니다—모델이 맥락을 기반으로 다가오는 단어와 구두점을 예상하여 인지된 지연 시간을 줄입니다. 완전한 발화를 기다리는 전통적인 ASR 시스템과 달리, Scribe v2는 화자가 말하는 동안 부분 결과를 스트리밍합니다.
시스템은 어떤 언어가 말해지고 있는지 자동으로 탐지하고, 언어 간 코드 전환을 처리하며, 수동 구성 없이 악센트와 배경 소음에 적응합니다.
경쟁사 대비 성능
ElevenLabs의 벤치마크에 따르면, Scribe v2 Realtime은 다음을 능가합니다:
- OpenAI Whisper - 소음이 많은 조건에서 더 높은 정확도
- Google Gemini Flash - 유사한 정확도로 더 낮은 지연 시간
- Amazon Transcribe - 악센트와 방언 처리 개선
Scribe v2 Batch: 엔터프라이즈급 전사
Batch 버전은 다른 사용 사례를 대상으로 합니다—긴 팟캐스트 에피소드, 회의 녹화, 비디오 자막, 정확도와 세부 사항이 속도보다 더 중요한 법률/의료 전사.
키워드 프롬프팅
사용자는 최대 100개의 기술 용어 (브랜드 이름, 제품 이름, 전문 용어)를 입력하여 맥락 인식 정확도를 보장할 수 있습니다. 이것은 특히 다음에 유용합니다:
- 의료 전사 (약물 이름, 절차)
- 법률 증언 (사건 이름, 법률 용어)
- 기술 콘텐츠 (제품 이름, API 용어)
- 브랜드 콘텐츠 (회사 이름, 상표)
엔티티 탐지
Scribe v2 Batch는 자동으로 56개 카테고리의 민감한 데이터를 식별하고 타임스탬프를 추가합니다:
- 건강 정보 (HIPAA 관련 데이터)
- 결제 세부 사항 (신용카드 번호, 은행 계좌)
- 개인 식별 정보 (SSN, 주소, 전화번호)
- 자격 증명 (녹화에서 언급된 비밀번호, API 키)
이 기능은 조직이 전사본을 공유하기 전에 민감한 정보를 편집해야 하는 규정 준수 워크플로우를 위해 설계되었습니다.
화자 구분
모델은 최대 48명의 고유 화자에 대한 레이블링을 지원하며, 웃음, 박수, 음악과 같은 비언어 이벤트에 대한 오디오 태깅을 포함합니다. 각 화자 세그먼트에는 정확한 타임스탬프가 포함됩니다.
이것이 중요한 이유
콘텐츠 제작자들을 위해
전사는 팟캐스터, YouTuber, 비디오 제작자에게 기본 워크플로우입니다. 정확하고 자동화된 전사는 다음을 가능하게 합니다:
- 검색 가능한 콘텐츠 아카이브 - 전사본을 검색하여 어떤 순간이든 찾기
- 접근성 - 자막과 자막을 자동으로 생성
- 재활용 - 오디오 콘텐츠를 블로그 게시물, 소셜 클립, 뉴스레터로 변환
- SEO - 검색 엔진이 전사 콘텐츠를 인덱싱
음성 AI 개발자들을 위해
Realtime 모델은 차세대 음성 어시스턴트 및 에이전트를 구동하도록 설계되었습니다. 150ms 미만의 지연 시간으로 개발자들은 느리지 않고 진정으로 반응하는 대화형 경험을 구축할 수 있습니다.
엔터프라이즈를 위해
엔티티 탐지, 화자 구분, 키워드 프롬프팅의 조합은 실제 규정 준수 및 워크플로우 요구 사항을 해결합니다:
- 법률 - 화자 식별이 포함된 정확한 증언 전사본
- 의료 - 자동 PII 탐지가 포함된 HIPAA 준수 전사
- 금융 - 민감한 숫자의 자동 편집이 포함된 회의록
Scribe v2 접근 방법
두 모델 모두 다음을 통해 이용 가능합니다:
- ElevenLabs API - 개발자가 애플리케이션에 전사를 통합하기 위해
- ElevenLabs Studio - 수동 전사 작업을 위한 웹 인터페이스
- ElevenLabs Agents - 대화형 AI 플랫폼에 통합됨
가격
Scribe v2는 배치 및 실시간 전사 시간에 대한 특정 월간 할당량과 함께 ElevenLabs의 계층형 구독 모델을 따릅니다. 엔터프라이즈 고객은 대량 요구 사항에 대해 맞춤 가격을 협상할 수 있습니다.
보안 및 규정 준수
ElevenLabs는 엔터프라이즈급 보안을 강조합니다:
- SOC 2 Type II 준수
- 의료 응용 프로그램을 위한 HIPAA 준비
- 민감한 워크로드를 위한 제로 보존 모드 (처리 후 오디오 삭제)
더 큰 그림
ElevenLabs는 텍스트-음성 변환 스타트업에서 완전한 음성 AI 플랫폼으로 빠르게 확장했습니다. Scribe v2는 오디오 루프를 완성합니다—사용자들은 이제 다음을 할 수 있습니다:
- 텍스트-음성 변환 및 음성 복제로 음성 생성
- Scribe v2로 음성을 텍스트로 전사
- 실시간 대화에서 둘 다 결합하는 에이전트 구축
이것은 ElevenLabs를 Google, Amazon, Microsoft와 같은 더 큰 플레이어들과 경쟁하는 음성 AI 원스톱 플랫폼으로 포지셔닝합니다. 이들은 유사한 기능을 분산된 제품에 걸쳐 제공합니다.
자주 묻는 질문
Scribe v2는 OpenAI Whisper와 어떻게 비교되나요?
ElevenLabs는 Scribe v2가 다국어 벤치마크에서 93.5% 정확도를 달성하며, 특히 소음이 많은 조건과 악센트가 있는 음성에서 Whisper를 능가한다고 주장합니다. Realtime 버전은 또한 Whisper의 배치 지향 아키텍처보다 훨씬 낮은 지연 시간을 제공합니다.
Scribe v2는 어떤 언어를 지원하나요?
Scribe v2는 자동 언어 탐지와 함께 90개 이상의 언어를 지원합니다. 모델은 수동 구성 없이 동일한 오디오 내에서 언어 간 코드 전환을 처리할 수 있습니다.
Scribe v2는 HIPAA 준수인가요?
예, ElevenLabs는 의료 응용 프로그램을 위한 HIPAA 준비 배포 옵션을 제공하며, 처리 후 즉시 오디오가 삭제되는 제로 보존 모드를 포함합니다.
키워드 프롬프팅이란 무엇인가요?
키워드 프롬프팅을 통해 모델이 정확하게 인식해야 하는 최대 100개의 특정 용어(브랜드 이름, 기술 전문 용어, 고유 명사)를 제공할 수 있습니다. 이것은 도메인 특정 콘텐츠의 정확도를 향상시킵니다.
Scribe v2는 몇 명의 화자를 구별할 수 있나요?
Batch 버전은 타임스탬프와 함께 최대 48명의 고유 화자에 대한 화자 구분을 지원하며, 각 화자 세그먼트에 대한 타임스탬프와 비언어 이벤트의 자동 레이블링을 포함합니다.
실시간 전사의 지연 시간은 얼마인가요?
Scribe v2 Realtime은 일반적으로 150ms 미만의 지연 시간을 달성하며, 최적화된 구성에서는 30-80ms에 도달합니다. 이것은 라이브 대화형 AI 응용 프로그램에 충분히 빠릅니다.