어셈블리AI, 자체 VAD 팀에 동기식 HTTP 전사 방식 제시
제목 연관성·주요 수치·시장 영향·향후 전망을 기준으로 핵심 문장을 선별한 요약 브리핑입니다.
핵심 포인트
- 발화 중 부분 전사나 STT의 발화 종료 판정이 필요하면 실시간 스트리밍을 권했다.
- 어셈블리AI(AssemblyAI)가 자체 음성 활동 감지(VAD)로 발화 종료를 판단하는 음성 에이전트 개발팀에 동기식 HTTP 전사 방식을 제시했다.
- 사용자가 말을 마친 뒤 음성 조각을 보내면 같은 HTTP 응답으로 전사문을 받는 구조다.
본문
발화 중 부분 전사나 STT의 발화 종료 판정이 필요하면 실시간 스트리밍을 권했다. 어셈블리AI(AssemblyAI)가 자체 음성 활동 감지(VAD)로 발화 종료를 판단하는 음성 에이전트 개발팀에 동기식 HTTP 전사 방식을 제시했다. 사용자가 말을 마친 뒤 음성 조각을 보내면 같은 HTTP 응답으로 전사문을 받는 구조다. 어셈블리AI는 10월 26일 공개한 기술 글에서 자체 VAD와 대화 흐름 관리 체계를 운영하는 팀에 Sync 방식이 맞는다고 설명했다. 여러 대형 음성 에이전트 개발팀이 이런 API를 요청했다고 밝혔지만, 팀 이름이나 도입 성과는 공개하지 않았다. 완성된 음성 조각을 Sync API에 보내면 별도 결과 조회 없이 전사문을 한 번의 응답으로 돌려받고, 이를 대규모 언어모델(LLM)에 넘긴 뒤 생성된 답을 음성 합성(TTS)에 전달한다.
다만 발화가 끝나야 음성 파일을 보낼 수 있어, 말하는 도중 전사 결과를 받는 방식과 처리 흐름이 다르다.
Sync는 자체 VAD와 대화 흐름 관리 체계를 갖추고 발화 단위로 요청하는 구성을 원하는 팀을 위한 선택지로 제시됐다. 어셈블리AI는 미국과 유럽에서 Sync의 중간값(P50) 처리시간을 약 134밀리초로 소개했으며, 이는 서버 처리시간 기준이다. 별도의 기술 설명에는 싱가포르에서 약 15초 분량을 녹음한 시연의 전체 응답시간이 약 1,900밀리초였다고 적혔다. 이번 기술 글은 그중 음성 인식 단계에서 발화별 HTTP 요청과 실시간 스트리밍을 구분해 설명했다. 본 기사는 시장 데이터 및 차트 분석을 바탕으로 작성되었으며, 특정 종목에 대한 투자 권유가 아닙니다.