일레븐랩스, 최신 음성 인식(STT) 모델 공개
◈ [웨비나] AI 투자의 ROI, 모아야 보입니다: 흩어진 AI를 자산으로 바꾸는 측정 가능한 에이전트 전략
일시 : 2026년 12월 2일 (수) 14:00 ~ 15:30
장소 : 온라인(bylineplus.com)
일레븐랩스는 음성 인식(STT) 모델 ‘스크라이브 v3’와 ‘스크라이브 v3 라이브’를 공개했다고 19일 발표했다.
새로 공개된 모델은 녹음된 음성을 위한 ‘스크라이브 v3’와 실시간 음성을 위한 저지연 모델 ‘스크라이브 v3 라이브’ 두 가지다. 개발자용 ‘일레븐API’를 통해 제공된다. ‘스크라이브 v3 라이브’는 일레븐랩스의 기업용 음성 및 채팅 에이전트 플랫폼인 ‘일레븐에이전트’에서도 이용할 수 있다.
회의록, 음성 에이전트, 더빙, 진료 기록, 방송 아카이브 등 음성을 다루는 서비스는 텍스트 변환에서 시작된다. 텍스트 변환 단계의 오류는 이후 단계로 그대로 이어지며, 나중에 바로잡을수록 더 많은 비용이 발생한다. 실제 음성 환경에서는 회의 중 여러 사람의 발언이 겹치거나, 통화 상대가 문장 중간에 말을 멈추거나, 대화 참여자가 모국어가 아닌 언어로 이야기하는 등 다양한 예외 상황이 발생한다.
‘스크라이브 v3’와 ‘스크라이브 v3 라이브’는 이러한 현실적인 조건에서도 높은 정확도를 유지하도록 설계된 차세대 모델이다.
스크라이브 v3는 3명 이상이 동시에 참여하는 녹음 환경에서 화자 분리 오류를 ‘스크라이브 v2 대비 17% 줄였다. ‘스크라이브 v3 라이브’는 실시간 스트리밍 중에도 화자를 정확히 분리해내며, 자체 평가에서 차순위의 우수한 모델 대비 화자 분리 오류가 39% 적은 성능을 나타냈다.
음성 에이전트가 사람처럼 자연스럽게 대화하기 위해서는 상대방이 말을 완전히 끝마쳤는지를 정확히 판단해야 한다. 단순 침묵 시간만으로 판단할 경우, 기준을 짧게 설정하면 말하는 도중에 끼어들게 되고, 길게 잡으면 응답이 지연되는 문제가 발생한다. ‘스크라이브 v3 라이브’는 음성뿐 아니라 대화의 전후 맥락을 종합적으로 분석해 판단하므로, 상대방이 대화를 잠시 멈추더라도 말을 끊지 않는다. 해당 기능은 일레븐에이전트에 이미 사용 중이며, 이번에도 API에서 이용할 수 있다.
스크라이브 v3는 음성에 포함된 언어에 대한 힌트를 복수로 지정할 수 있으며, 숫자를 숫자 표기로 출력할지 문자 표기로 출력할지 선택할 수 있다. 브랜드명, 약어, 전문 용어 등 예상되는 용어를 최대 1000개까지 등록 가능하며, ‘모든 날짜는 YYYY-MM-DD 형식으로 표기’와 같이 표기 규칙을 일반 문장으로 지정할 수도 있다.
스크라이브 v3 라이브는 대화 도중 언어가 전환되는 경우를 위한 다국어(Multilingual) 모드를 지원한다. 또한 목록으로 전달하기에는 너무 많은 용어를 미리 등록해 두고 해당 발화가 감지될 때만 참조하는 ‘키텀 라이브러리’도 제공된다.
스크라이브 v3와 스크라이브 v3 라이브는 기본적으로 미국에서 운영되며, 데이터 주권 및 보관 위치 규정이 엄격한 엔터프라이즈 고객을 위해 유럽연합(EU), 인도, 싱가포르 내 독립된 데이터 환경을 제공한다.
요청 처리가 완료되는 즉시 고객의 음성과 텍스트 데이터를 영구 파기하는 ‘제로 리텐션 모드’를 지원한다. 보안 및 규제 준수 측면에서는 서비스 조직 통제 2(SOC 2), 국제표준화기구 정보보호인증(ISO 27001), 지불카드 보안표준 1등급(PCI DSS Level 1) 인증 프로그램을 준수하며, 기업 제휴 계약(BAA) 체결 시 미국 의료정보보호법(HIPAA) 대상 업무에도 즉시 활용 가능하다. 전용 인프라가 필요한 기업을 위한 프라이빗 환경 도입도 지원한다.
글. 바이라인네트워크
<김우용 기자>yong2@byline.network
◈ [레노버 스페셜리포트] 합리적인 선택, 신뢰할 수 있는 스토리지
급증하는 기업 데이터, 성능과 보안은 강화하고 운영 비용은 줄일 수 있을까요?
ThinkSystem 스토리지 시리즈 비교, 랜섬웨어 보호·복구 기능을 eBook으로 확인하세요.


