요약 / 핵심 포인트
- Scribe v2는 ElevenLabs의 배치(batch) 전사 모델이며, Scribe v2 Realtime은 약 150ms 내에 실시간 오디오를 처리합니다.
- API 가격: Scribe v2는 오디오 시간당 $0.22, Realtime은 $0.39이며 모든 플랜에 동일하게 적용됩니다.
- 기능: 90개 이상의 언어 지원, 최대 32명의 화자 라벨링, 단어 단위 타임스탬프, Keyterm 프롬프팅, 오디오 이벤트 태그.
- 최대 3GB 및 10시간 분량의 파일 지원; MP3, WAV, M4A, MP4, MOV 및 기타 다양한 형식 지원.
- 웹 앱에서 전사 기능을 사용하면 플랜에서 분당 330 크레딧이 차감됩니다.
간단 요약: ElevenLabs는 Scribe 모델을 사용하여 오디오와 비디오를 텍스트로 변환합니다. Scribe v2는 MP3를 포함한 업로드된 파일을 90개 이상의 언어로 처리하며, 최대 32명의 화자를 식별하고 단어 단위 타임스탬프를 추가합니다. API를 통한 비용은 오디오 시간당 $0.22(Scribe v2 Realtime의 경우 $0.39)이며, 웹 앱에서는 요금제에 따라 분당 330 크레딧이 사용됩니다. 파일은 최대 3GB, 10시간까지 가능합니다.
확인 방법: 기능, 제한 사항 및 가격은 2026년 11월 1일 기준 elevenlabs.io의 speech to text 페이지, API 가격 페이지 및 speech to text 문서에서 확인했습니다. 자체 정확도 테스트는 수행하지 않았습니다. 일부 링크는 제휴 링크이며, 가입 시 사용자에게 추가 비용 없이 ElevenLabs로부터 수수료를 받을 수 있습니다.
Scribe 모델
| Model | Use | API price per audio hour | Notes |
|---|---|---|---|
| Scribe v2 | Batch transcription of files | $0.22 | 90+ languages, diarization, timestamps, keyterms, entity detection |
| Scribe v2 Realtime | Live audio, agents, meetings | $0.39 | About 150ms latency, word-level timestamps, voice activity detection |
| Scribe v2 Medical | Clinical audio | $0.22 | HIPAA-eligible with BAAs and Zero Retention Mode |
추가 기능(Add-ons)도 시간당 요금이 부과됩니다. Keyterm prompting은 Scribe v2에서 시간당 $0.05, Realtime에서 $0.08이며, 자연어 지침을 통한 스크립트 편집은 각각 $0.07과 $0.12입니다. 침묵 구간도 청구 시간에 포함되므로 업로드 전 긴 공백을 편집하면 비용을 절약할 수 있습니다.
주의할 불일치 사항: ElevenLabs의 speech-to-text 페이지 FAQ에는 Scribe가 "시간당 $0.40부터" 시작한다고 되어 있으나, API 가격표와 해당 FAQ에는 $0.22라고 명시되어 있습니다. 당사는 가격표의 수치를 사용하므로, 대규모 작업을 예산에 맞출 때는 실시간 페이지를 확인하십시오.
Scribe v2의 기능
- 90개 이상의 언어: 스마트 언어 감지 기능 포함.
- 화자 분리(Speaker diarization): 최대 32명의 화자를 식별하여 인터뷰나 회의 내용을 화자별로 구분.
- 단어 단위 타임스탬프: 캡션 및 자막용.
- Keyterm prompting: 최대 1,000개의 단어나 구문을 설정할 수 있어 이름, 제품명, 전문 용어 처리에 유용.
- 동적 오디오 태깅: 웃음소리나 발자국 소리 등 비언어적 이벤트를 태깅.
- 개체 감지 및 마스킹: API를 통한 민감 정보 감지 및 삭제.
- 멀티채널 모드: 최대 5개 채널을 지원하며 각 채널에 화자를 할당.
- 웹훅(Webhooks): 긴 파일을 비동기적으로 처리 가능.
MP3나 비디오를 텍스트로 변환하는 방법
- 앱 사용 시: ElevenLabs에 로그인하여 Transcription(speech to text)을 열고 MP3, WAV, MP4 등의 파일을 업로드합니다. 언어를 선택하거나 자동 감지로 두고 스크립트를 다운로드하거나 자막으로 내보냅니다.
- API 사용 시: API 키를 생성한 후 파일을 Speech to Text 엔드포인트로 전송하고
model_id를scribe_v2로 설정합니다. 응답에는 텍스트, 감지된 언어, 타임스탬프가 포함된 단어, 각 단어의 화자 ID가 포함됩니다.
지원되는 오디오 형식은 AAC, AIFF, OGG, MP3, OPUS, WAV, FLAC, M4A, WebM입니다. 비디오 형식은 MP4, AVI, MKV, MOV, WMV, FLV, WebM, MPEG, 3GPP입니다.
제한 사항
| Limit | Value |
|---|---|
| Max file size | 3GB |
| Max duration (standard mode) | 10 hours |
| Speakers labelled | Up to 32 |
| Multichannel | Up to 5 channels |
| Keyterms | Up to 1,000 |
| Concurrent transcriptions | 8 Free, 12 Starter, 20 Creator, 40 Pro, 60 Scale and Business |
요금제별 포함된 전사(Transcription) 분량
| Plan | Price | In the app (330 credits a minute) | Through the API (Scribe v2) |
|---|---|---|---|
| Free | $0 | 12 minutes (as listed) | about 4.5 hours |
| Starter | $6 | about 1 hour 31 minutes | 27 hours |
| Creator | $22 | about 6 hours 7 minutes | 100 hours |
| Pro | $99 | about 30 hours 18 minutes | 450 hours |
| Scale | $299 | about 90 hours | 1,359 hours |
| Business | $990 | about 303 hours | 4,500 hours |
두 열 사이의 차이는 분명합니다. API는 전사 비용을 시간당 $0.22로 책정하지만, 앱은 음성 생성에 사용하는 것과 동일한 크레딧을 차감합니다. 전사 작업이 많다면 API(또는 이를 기반으로 구축된 도구)를 호출하는 것이 달러당 훨씬 더 많은 시간을 확보할 수 있습니다. 앱에서는 크레딧이 텍스트 음성 변환(TTS)에도 사용되므로, 전사 작업이 많아지면 보이스오버에 사용할 크레딧이 줄어듭니다.
정확도: ElevenLabs 및 기타 업체의 입장
ElevenLabs는 Scribe v2의 전사 정확도가 98% 이상이라고 주장하며, OpenAI, Google 및 Deepgram 모델과 비교한 차트를 공개하고 있습니다. 또한 언어별 예상 단어 오류율(WER)을 게시하고 있는데, 최상위 언어의 경우 5% 이하이며 가장 낮은 등급의 언어는 20%에서 50%까지 나타납니다. 독립적인 리뷰어들은 더 신중한 입장입니다: DiscoverAI는 정확도가 화자, 소음, 전문 용어에 따라 달라진다고 주장하며 자신의 오디오로 직접 벤치마킹할 것을 권장합니다. Telenow는 Scribe가 클라우드 전용이며, 자체 호스팅이나 에어갭(air-gapped) 옵션은 제공하지 않는다고 지적합니다.
이 글이 마음에 드셨나요? 매일 아침 이런 글을 메일로 받아보세요.
하루 한 통 · 두 번의 클릭으로 구독 취소 · 제3자 추적 없음
추천 대상
- 보이스오버와 동일한 도구에서 캡션과 전사본을 원하는 팟캐스터 및 비디오 크리에이터.
- 실시간 전사가 필요한 음성 에이전트나 회의 도구를 구축하는 개발자.
- 다양한 언어를 전사해야 하는 팀, 또는 Medical 모델과 BAA를 사용하여 임상 오디오를 전사하는 팀.
녹음 내용을 전사본 편집을 통해 수정하고 싶다면 Descript가 해당 워크플로우에 최적화되어 있습니다. 그 외의 경우에는 Scribe의 무료 플랜을 먼저 사용해 보시는 것을 추천합니다.
자주 묻는 질문
ElevenLabs에서 MP3를 텍스트로 변환할 수 있나요?
네. Scribe는 MP3를 비롯하여 AAC, AIFF, OGG, OPUS, WAV, FLAC, M4A, WebM 오디오 파일과 MP4, MOV, MKV, AVI 등 다양한 비디오 파일을 지원합니다. 웹 앱에서 업로드하거나 Speech to Text API로 파일을 전송하세요.
ElevenLabs 음성-텍스트 변환 비용은 얼마인가요?
API를 통한 Scribe v2의 비용은 오디오 시간당 $0.22이며, Scribe v2 Realtime은 $0.39입니다. Keyterm 프롬프팅 사용 시 시간당 $0.05(Realtime은 $0.08)가 추가됩니다. 앱 내에서 전사 기능을 사용할 경우 플랜에서 분당 330 크레딧이 차감됩니다.
ElevenLabs 음성-텍스트 변환은 무료인가요?
무료 플랜에도 일부 전사 기능이 포함되어 있습니다. 음성-텍스트 페이지에 따르면 앱 내에서 월 12분까지 가능하며, API 가격 페이지에는 무료 API 사용 시 약 4.5시간 분량의 Scribe v2 사용이 가능하다고 명시되어 있습니다. 무료 플랜의 결과물은 상업적으로 사용할 수 없습니다.
ElevenLabs Scribe는 화자를 구분할 수 있나요?
네. Scribe v2는 최대 32명의 화자를 식별(화자 분리, speaker diarization)하고 단어 단위의 타임스탬프를 반환합니다. 멀티채널 모드를 사용하면 오디오 채널별로 최대 5개 채널까지 화자를 할당할 수 있습니다.
ElevenLabs Scribe는 몇 개의 언어를 지원하나요?
ElevenLabs는 예상 오류율에 따라 그룹화된 90개 이상의 언어를 지원한다고 밝히고 있습니다. 영어, 스페인어, 프랑스어, 독일어, 일본어, 이탈리아어, 포르투갈어 등이 최상위 등급(단어 오류율 5% 이하)에 포함됩니다.
ElevenLabs 전사 시 최대 파일 크기는 얼마인가요?
ElevenLabs 문서에 따르면 표준 모드에서 파일당 최대 3GB, 오디오 최대 10시간까지 지원합니다.