실시간 음성을 텍스트로 변환하기
1. 소개
실시간 음성 인식 API는 사용자가 발화하는 음성 데이터를 실시간으로 텍스트로 변환하여 제공하는 서비스입니다. 이 API를 통해 음성 데이터에서 얻은 텍스트를 활용하여 방송 자막 송출, 화상 회의 자막 송출 등을 구축할 수 있습니다.
주요 기능
- 실시간 음성 인식: 오디오 스트림을 실시간으로 텍스트로 변환
- 다양한 언어 지원: 다국어 음성 인식 가능
- 높은 정확도: 최신 음성 인식 기술 적용
WARNING
⚠️ 노래 음원 혹은 배경음악이 크게 들리는 오디오는 텍스트 변환을 지원하지 않습니다.
왜 사용해야 하나요?
실시간 음성 인식 API를 사용하면 음성 데이터를 실시간으로 텍스트로 변환할 수 있습니다. 이를 통해 다음과 같은 실시간 음성 기반의 응용 프로그램을 개발하거나 자동 음성 텍스트 변환 서비스를 구현하여 사용자 경험을 크게 향상시킬 수 있습니다.
- 고객 피드백 분석: 콜센터 등 고객과의 실시간 대화 내용을 자동으로 텍스트로 기록하여 상담 품질을 향상시키고, 상담 기록을 효율적으로 관리할 수 있습니다.
- 회의 기록: 회의 내용을 실시간으로 기록하고 공유하여 회의록 작성 시간을 절약하고, 회의 후 내용을 쉽게 검색 및 참조할 수 있습니다.
- 자막 생성: 온라인 강의, 라이브 스트리밍 영상 등에 실시간 자막을 추가하여 사용자들의 접근성을 높일 수 있습니다.
- 의료 기록: 의료진의 음성을 텍스트로 변환하여 전자의무기록(EMR) 시스템에 입력합니다.
- 스마트 홈 기기 제어: 음성을 텍스트로 변환하여 스마트 홈 기기의 명령을 처리합니다.
2.예제
다음은 스트리밍 STT API를 사용하는 예제입니다.
토큰 발급과 실시간 오디오 전송 방식, 그리고 이를 파이썬 예제로 확인할 수 있습니다.
1) 파이썬 예제
파이썬 코드
text
# 이 코드는 requests, requests-sse 패키지 설치가 되어야 동작합니다. <CopyButton /><EmailFormButton />
import base64
import concurrent.futures
import json
import requests
from requests_sse import EventSource, InvalidStatusCodeError, InvalidContentTypeError
HOST = 'https://apis.daglo.ai'
API_TOKEN = '<API_TOKEN>'
def get_session_token():
headers = {'Authorization': f'Bearer {API_TOKEN}'}
return requests.get(HOST + "/stt/v1/stream/sessionTokens", headers=headers).json()
def send_audio_stream(audio_stream: bytes, sid: str, s_token: str):
headers = {'Authorization': f'Bearer {s_token}', 'Content-Type': 'application/json'}
audio_str = base64.b64encode(audio_stream).decode('utf-8')
data = { 'sessionId': sid, 'channel': 0, 'file': audio_str }
res = requests.post(HOST + "/stt/v1/stream/recognize", headers=headers, json=data)
def get_audio_stream(sid: str, s_token: str):
headers = { 'Authorization': f'Bearer {s_token}' }
with EventSource(HOST + f"/stt/v1/stream/sse/{sid}", timeout=30, headers=headers) as event_source:
try:
for event in event_source:
print(json.loads(event.data))
except InvalidStatusCodeError:
pass
except InvalidContentTypeError:
pass
except requests.RequestException:
pass
if __name__ == '__main__':
# 1. Audio Stream을 준비합니다.
sample_audio_stream = requests.get('https://storage.googleapis.com/bkt-actionpower-examples/audio/actionpower_hello.wav').content
# 2. Session Token을 획득합니다.
res = get_session_token()
sid = res['sessionId']
s_token = res['sessionToken']
with concurrent.futures.ThreadPoolExecutor(max_workers=1) as executor:
# 3. 오디오 스트림을 POST Endpoint로 전송합니다.
future = executor.submit(send_audio_stream, sample_audio_stream, sid, s_token)
# 4. 동시에 실시간 STT 결과를 SSE를 통해 수신받습니다.
get_audio_stream(sid, s_token)Print 부분 출력
text
{'sessionId': '9070fe6d-c34e-4d45-8e68-11dd9f944711', 'channel': 0, 'timestamp': 1724129309929, 'startTime': 1724129309929, 'sttResult': {'transcript': '안녕하세요 액션파워 입니 다 음성 인식 의 선두주자 액션파워 의 기술을 만나볼 수'}, 'isFinal': False}3. 사용법
1) API Key 발급하기
- API Console에 접속하여 회원가입 후 로그인합니다.
- 토큰 메뉴에 들어가 새로운 토큰을 발급합니다.
- 발급한 토큰 정보를 복사해 요청 시 인증 토큰 정보로 사용합니다.
2) 요청하기
보다 자세한 API 정보는 API Reference와 실시간 음성 변환 문서를 참고해주세요.
a. 토큰 발급하기
- 지정된 엔드포인트(Get stream STT session token)로 실시간 요청에 필요한 토큰을 발급합니다.
shell
GET https://apis.daglo.ai/stt/v1/stream/sessionTokensb. 실시간 오디오 전송하기
- 지정된 엔드포인트(Send audio chunks to transcribe)로 실시간 오디오 청크를 전송해 텍스트 변환을 요청합니다.
shell
POST https://apis.daglo.ai/stt/v1/stream/recognizec. 토큰 재발급하기
- 1시간 경과시 지정된 엔드포인트(Refresh stream STT session token)로 토큰 재발급을 요청해 권한을 연장합니다.
shell
GET https://apis.daglo.ai/stt/v1/stream/refreshSessionTokens3) 응답받기
a. 실시간 텍스트 스트림으로 가져오기
- 지정된 엔드포인트(Get audio transcription stream)로 실시간 텍스트 결과를 스트림 형태로 가져옵니다.
shell
GET https://apis.daglo.ai/stt/v1/stream/sse/{sid}업데이트 이력
- 20240902 ver1.0 API 문서가 작성되었습니다.