일레븐랩스, 음성 인식 ‘스크라이브 v3’ 공개…단어 오류 27% 감소

AI/IT일반 / 문미경 기자 / 2026-11-19 19:17:25
  • 카카오톡 보내기
녹음용·실시간용 두 모델, 자체 평가서 오류 줄여…한국어 포함 90여 개 언어 지원
▲ 사진제공=일레븐랩스

글로벌 AI 오디오 기업 일레븐랩스(ElevenLabs)가 음성 인식(STT) 모델 ‘스크라이브 v3(Scribe v3)’와 ‘스크라이브 v3 라이브(Scribe v3 Live)’를 선보였다고 19일 밝혔다.

‘스크라이브 v3’는 녹음된 음성용, ‘스크라이브 v3 라이브’는 실시간 음성용 저지연 모델이다. 두 모델은 개발자용 ‘일레븐API(ElevenAPI)’로 제공되며, ‘스크라이브 v3 라이브’는 기업용 음성 에이전트 플랫폼 ‘일레븐에이전트(ElevenAgents)’에서도 쓸 수 있다.

일레븐랩스는 회의 중 발언이 겹치거나 통화 상대가 말을 멈추고, 모국어가 아닌 언어로 대화하는 실제 음성 환경에서도 정확도를 유지하도록 두 모델을 설계했다고 설명했다. 텍스트 변환 단계의 오류는 이후 단계로 이어져 나중에 바로잡을수록 비용이 커진다는 이유에서다.

회사가 102개 언어를 기준으로 자체 평가한 결과, ‘스크라이브 v3’는 이전 모델 ‘스크라이브 v2’보다 단어 오류가 27% 적었다. ‘누가 말했는지’를 가려내는 화자 분리 오류율도 회사가 평가한 모델 가운데 가장 낮았다고 밝혔다. 3명 이상이 참여하는 녹음에서는 화자 분리 오류가 ‘스크라이브 v2’보다 17% 줄었다.

‘스크라이브 v3 라이브’는 이전 모델 ‘스크라이브 v2 리얼타임’보다 오류가 43% 적었다. 회사는 실시간 모델로는 처음 화자 분리를 지원하며, 자체 평가에서 차순위 모델보다 화자 분리 오류가 39% 적었다고 설명했다. 침묵 시간만 보지 않고 대화의 앞뒤 맥락까지 분석해 말이 끝났는지 판단하는 턴 감지 기능도 개선했다.

기능도 보강됐다. ‘스크라이브 v3’는 브랜드명·약어·전문 용어를 최대 1000개까지 등록할 수 있고, 숫자를 숫자나 문자 중 어느 쪽으로 표기할지 고를 수 있다. ‘스크라이브 v3 라이브’는 대화 도중 언어가 바뀌는 상황에 대응하는 다국어 모드를 지원한다.

회사는 도입 사례로 네덜란드 에너지 기업 에네코(Eneco)를 들었다. 에네코가 출시 전 ‘스크라이브 v3 라이브’를 음성 에이전트에 시험한 결과, 실제 고객 통화에서 네덜란드 우편번호를 한 번에 맞게 인식한 비율이 약 40%, 번지 인식 정확도가 약 15% 높아졌다. 루트 하위슬로트(Ruud Huigsloot) 에네코 시니어 프로덕트 매니저는 “이른 단계부터 의미 있는 성과를 확인할 수 있어 매우 기쁘며, 앞으로의 협업에도 기대가 크다”고 말했다.

기업 고객을 위한 기능도 있다. 두 모델은 기본적으로 미국에서 운영되며, 데이터 보관 위치 규정이 엄격한 고객에게는 유럽연합(EU)·인도·싱가포르의 독립 환경을 제공한다. 요청 처리가 끝나면 음성과 텍스트 데이터를 바로 파기하는 ‘제로 리텐션 모드’도 지원한다.

일레븐랩스는 한국이 2024년 12월 65세 이상 인구 비중이 20%를 넘어 초고령사회에 들어섰고, 2026년 1월 인공지능 기본법이 시행돼 신뢰할 수 있는 AI에 대한 관심도 커졌다고 짚었다. 회사는 한국어를 포함한 90개 이상의 언어를 지원하는 두 모델로 국내 기업과 개발자가 음성 기반 서비스를 만들 수 있도록 지원하겠다고 밝혔다.

 

[ⓒ 더 스타트. 무단전재-재배포 금지]

  • 카카오톡 보내기