어셈블리AI, 아고라 통화 STT 예제 공개…음성 응답은 별도 구성

본문

9월 30일 공개된 파이썬 예제는 아고라 통화 음성을 전사하는 단계까지만 구현했다. 5월 공개된 통합형 API 예제는 STT·LLM·TTS와 바지인을 한 웹소켓으로 연결한다. 어셈블리AI(AssemblyAI)가 아고라(Agora) 통화 음성을 실시간으로 문자로 바꾸는 파이썬 서버 예제를 공개했다. 아고라는 통화 음성 전송을 맡고 어셈블리AI는 전사를 담당한다. 기존 통화 프로그램을 수정하지 않고 서버에서 음성 인식을 연결하는 구조다. 통화 상대에게 답변을 들려주는 대화형 에이전트 기능은 예제에 없다. 최종 전사문을 대규모 언어모델(LLM)에 보내 답변을 만들거나, 음성 합성(TTS)으로 만든 음성을 통화 채널에 내보내는 코드가 구현되지 않았다. 튜토리얼은 LLM Gateway에 접근할 수 있다고 설명하지만, 이번 예제 코드에는 이를 호출하는 부분이 없다. 파이프캣은 STT·LLM·TTS를 한 흐름으로 잇는 오픈소스 음성 AI 도구다.

30일 확인한 어셈블리AI 가격표에서 Universal-3.6 Pro Realtime의 기본 요금은 음성 1시간당 0.45달러(약 602원)다. 어셈블리AI가 제시한 단어 오류율(WER) 5.19%는 영어 음성 에이전트 대본 1만2460개를 대상으로 한 자체 벤치마크 결과다. 튜토리얼은 16kHz 기준 160샘플, 즉 10밀리초 오디오 프레임을 설명하면서 같은 대목에서 STT 입력 청크의 허용 범위를 50~1000밀리초로 제시했다.