Speechmatics 대안: API냐, 앱이냐?

Speechmatics란 무엇인가: 개발자를 위한 ASR 엔진

Speechmatics는 스스로를 "음성 AI를 구동하는 음성 API"라고 소개합니다. API를 통해 자체 제품에 연동하는 방식입니다. 1초 미만의 지연 시간으로 실시간 전사(transcription)와 배치 처리를 지원하며, 클라우드 API, 온디바이스, 온프레미스 방식으로 배포할 수 있습니다. 자체 수치에 따르면 전사 언어는 55개 이상, AI 번역 언어 쌍은 69가지입니다.

고객은 전사 기능을 더 큰 제품에 녹여 넣는 팀들입니다. 콜센터 분석, 실시간 자막, 의료·법률 전사 파이프라인, 음성 에이전트 같은 것들이죠. 이메일을 음성으로 답장하려는 개인 사용자와는 전혀 다른 이야기입니다.

요금제도 같은 맥락입니다. Speechmatics는 오디오 시간 단위로 과금하는 사용량 기반 모델입니다. 무료 티어는 월 2,400분(40시간)의 음성 인식과 동시 실시간 세션 2개를 제공하며, 카드 없이 시작할 수 있습니다. Pro는 시간당 $0.24부터 시작하고 월 최대 6,000시간까지 사용 가능합니다. Enterprise는 온프레미스 배포와 커스텀 모델을 포함한 맞춤형입니다. 이건 미터기입니다. 수천 시간의 오디오를 제품에 처리할 때는 딱 맞는 구조입니다. 하지만 장보기 목록을 받아쓸 때는 전혀 필요 없죠.

차이점: 만드는 엔진 vs 쓰는 앱

경계선을 한 번만, 명확하게 그어 보겠습니다.

Speechmatics 같은 엔진은 개발자가 연동하는 것입니다. API로 오디오를 보내면 텍스트를 돌려받고, 버튼, UI, 저장소, 결제는 직접 만들어야 합니다. 원자재입니다.

완성된 앱은 설치하고 바로 쓰는 겁니다. Whisper by Remskill은 후자입니다. 음성 인식 API도, SDK도, 엔진도 아닙니다. 자체 제품에 내장하거나, 코드에서 호출하거나, 오디오를 프로그래밍 방식으로 파이핑할 수 없습니다. 호출할 엔드포인트도 없습니다. 시스템 전역 단축키로 구동되는 데스크톱 앱입니다.

이름 하나가 항상 혼란을 일으키니, 미리 짚고 넘어가겠습니다. "OpenAI Whisper" — 셀프호스팅해서 API로 호출할 수 있는 오픈소스 음성 모델 — 는 모든 Speechmatics 대안 목록에 등장합니다. 그건 개발자용 옵션입니다. 제가 만드는 데스크톱 앱인 Whisper by Remskill과는 다른 것입니다. 이름은 같지만, 카테고리가 다릅니다. 셀프호스팅할 모델이 필요하다면 OpenAI의 오픈소스 Whisper를 찾아보세요. 완성된 받아쓰기 도구가 필요하다면 계속 읽으세요.

API가 필요하다면, 이것들을 보세요

엔진을 찾고 있다면, 오후 시간을 낭비하지 않도록 적합한 곳으로 안내해 드리겠습니다. 개발자에게 Speechmatics를 실제로 대체할 수 있는 음성 인식 API들은 다음과 같습니다:

• AssemblyAI — 배치 및 실시간을 지원하는 음성 인식 API로, 제품 팀을 위한 서비스.
• Deepgram — 저지연 스트리밍 API로, 음성 에이전트에 많이 사용됨.
• Google Cloud Speech-to-Text — 하이퍼스케일러 옵션으로, 광범위한 언어 지원.
• AWS Transcribe — AWS 청구서 안에 들어 있는 동일한 개념.
• OpenAI's open-source Whisper — 모델을 셀프호스팅해서 직접 실행.
• Gladia — 같은 영역의 신규 전사 API.

위 모두는 코드에 직접 연동하는 API와 엔진입니다. 정확도 수치나 요금을 지어내지는 않겠습니다. 지난 분기에 바뀐 요금제 페이지의 숫자를 자신 있게 인용하다가 틀리는 게 바로 대안 목록들이 틀리는 방식이니까요. 핵심은 카테고리입니다. 미터기와 엔드포인트가 필요하다면 위 중 하나가 답이고, Whisper by Remskill은 아닙니다.

Whisper가 하는 것: 단축키, 말하기, 붙여넣기

이제 다른 그룹 이야기를 해볼게요. 코드를 쓰지 않고, 그냥 타이핑 대신 말하고 싶은 분들.

Whisper by Remskill은 받아쓰기 중심입니다. 시스템 전역 단축키를 누르고 말하면, 현재 열려 있는 앱의 커서 위치에 전사 내용이 바로 입력됩니다. 업로드 단계도, 프로젝트 라이브러리도, 배울 API도 없습니다. 기본 단축키는 Windows에서 Ctrl+Space, macOS에서 Command+Option을 누르고 있는 방식입니다. 변경도 가능합니다.

커서 위치에 직접 타이핑하기 때문에, 이메일 클라이언트, 문서, 채팅창, 코드 주석 등 어디서든 작동합니다. 각 앱에 따로 연동을 만들 필요가 없습니다. 이게 핵심 차이입니다. 엔진은 당신의 코드가 호출해 주기를 기다립니다. 이 앱은 당신이 키를 누르기를 기다립니다. 아내에게 처음 시연했을 때, 저는 문자 메시지에 바로 장보기 목록을 받아썼습니다. 아내의 답장은 "좋은데, 우유를 빠뜨렸어"였습니다. 앱은 잘 됐습니다. 제 기억력이 문제였을 뿐이죠.

다국어 모델은 실시간 음성에서 90개 이상의 언어를 지원하며, 영어 외 Whisper 모델은 음성 입력을 영어로 실시간 번역할 수 있습니다. Speechmatics가 제공하는 69가지 언어 쌍 텍스트 번역 서비스와는 다릅니다. 용도가 다르고, 범위가 다르고, 솔직하게 그 점을 인정합니다.

로컬 및 오프라인: 오디오 시간 제한도, 사용 요금도 없음

로컬 모드에서 Whisper는 전적으로 사용자의 기기에서만 전사를 처리합니다. 오디오가 외부로 나가지 않고, 네트워크 호출도 없으며, 오디오 시간당 미터기도 없습니다. 로컬 파이프라인 전체 — 모델, 온디바이스 AI 정제, 히스토리, 커스텀 단어, 단축키 — 는 로그인한 모든 사용자에게 무료이며, 가입 시 카드가 필요 없습니다.

솔직하게 말씀드리겠습니다. Speechmatics도 무료 티어가 있습니다. 월 40시간이라는 넉넉한 용량이고, 개발자를 위한 온프레미스 및 온디바이스 배포도 제공합니다. 그러니 "무료"나 "오프라인"이 Whisper만의 마법 단어는 아닙니다. 진짜 차이는 구조입니다. Speechmatics는 개발자에게 미터링하고 연동하는 엔진을 제공합니다. Whisper는 개인 사용자에게 연동 작업 없이, 시간당 요금 없이 쓸 수 있는 완성된 앱을 제공합니다.

이 글에서 한 가지 분명한 의견을 드리겠습니다. 오디오 시간 단위 미터링은 그냥 받아쓰고 싶은 사람에게는 맞지 않는 구조입니다. 무료 40시간 이후 시간당 $0.24라는 미터기는, 제품을 통해 수천 시간을 처리하면서 사용 데이터가 필요한 경우에는 완벽히 합리적입니다. 하지만 "제품"이 책상 앞에서 이메일에 답장하는 '나 자신'일 때는 전혀 말이 안 됩니다. 말하는 동안 시계가 돌아간다는 걸 신경 써야 한다면 불편하죠. 미터링 없는 정액제 앱 가격이 그런 삶에는 더 잘 맞습니다. 받아쓴 내용을 클라우드에서 벗어나게 하고 싶다면, 그 생각은 프라이빗 온디바이스 음성 인식의 동기와 같습니다.

Speechmatics가 적합한 경우

제가 Speechmatics 기반으로 제품을 만들고 있다면, 바꾸지 않을 겁니다. 콜센터 분석 대시보드, 실시간 자막, 의료·법률 전사 파이프라인, 음성 에이전트 등 자체 애플리케이션에 대규모로 전사 기능을 넣어야 한다면, Speechmatics 또는 다른 실제 API 대안이 정답이고, Whisper는 아닙니다. 다수의 동시 세션에 대한 엄격한 온프레미스 데이터 주권이 필요하거나 69가지 번역 쌍이 필요한 경우도 마찬가지입니다. Whisper는 그 어느 것도 해결하지 못합니다. 단일 사용자용 데스크톱 받아쓰기 앱, 그 이상도 이하도 아닙니다. 여기서 카테고리를 잘못 선택하면 환불이 아닌 재개발이라는 대가를 치르게 됩니다.

받아쓰기만 하려면 얼마나 드나요

Whisper의 로컬 받아쓰기 티어는 계정이 있는 누구에게나 무료이며, 가입 시 결제 수단이 필요 없습니다. 사용 시계가 없습니다. Speechmatics가 Pro를 시간당 $0.24부터 과금하는 방식으로 청구하지 않습니다. 클라우드 전사 및 웹 검색에 사용자 본인의 OpenAI 키를 활용하는 선택적 Cloud 기능은, 분당 과금 미터기가 아닌 정액 앱 가격으로 제공됩니다. 현재 금액은 요금 페이지에서 확인하세요. 기억할 핵심은 구조입니다. 엔진의 미터기가 아닌, 앱의 정액 요금.