AI 회의 전사 비교: GPT·Gemini의 화자와 말 고침 보존하기

회의 녹음에서 “인쇄 부수는 열다섯, 정정합니다. 쉰 부입니다”라는 말이 나왔다고 해 보겠습니다. 바로 다음 사람이 “저는 열다섯 부 시안을 먼저 보겠습니다”라고 말하면 어떻게 기록해야 할까요? 앞사람의 인쇄 부수는 고쳐졌지만, 뒷사람의 시안 부수까지 50으로 바꾸면 기록이 틀어집니다. 누가 말했는지와 무엇을 정정했는지를 함께 남겨야 합니다.

이번 AI 회의 전사 비교에서는 OpenAI의 gpt-4o-transcribe-diarize와 Google의 gemini-3.5-transcribe를 살펴봅니다. 회의록을 매끄럽게 요약하기 전, 완료된 녹음에서 화자와 말 고침의 근거를 보존하는 작업이 기준입니다. 두 모델의 공식 전사 경로와 설정을 비교하고, 여섯 번의 발언으로 검수 기준을 만들어 보겠습니다.

공식 문서 확인 기준일은 한국시간 2026년 10월 16일입니다. 이 글의 대본은 직접 만든 가상 자료입니다. 실제 녹음·음성 합성·API 호출은 하지 않았으며, 아래 기대 답은 모델 응답이 아닙니다. 정확도·속도·실제 청구액이나 승자를 측정한 비교로 읽지 마세요. 대본과 기대 답을 대조하는 실습에는 API 키가 필요하지 않습니다.

화자 정보가 필요한 전사 경로를 비교합니다

여기서 화자는 녹음 안에서 발언을 구분하기 위한 익명 표지입니다. ‘화자 A’가 실제로 누구인지, 목소리의 성별·감정·신원을 알아냈다는 뜻은 아닙니다. 이름이 필요하다면 별도의 확인 근거가 있어야 합니다.

전사 경로 비교: 항목별 설정

모델 ID

• OpenAI: gpt-4o-transcribe-diarize
• Google: gemini-3.5-transcribe

이번 비교의 입력

• OpenAI: 완료된 녹음 파일
• Google: 완료된 녹음의 표준 단일 요청

주 비교 설정

• OpenAI: 응답 형식 diarized_json. 30초를 넘는 음성은 chunking_strategy를 auto로 지정
• Google: mode의 type을 verbatim, diarization_mode를 speaker로 지정

먼저 살필 결과

• OpenAI: 구간별 speaker·start·end와 전사문
• Google: 완료된 구조화 응답의 전사문과 화자 주석

시간 정보 비교 시 주의

• OpenAI: 화자 구간의 시작·끝을 단어별 시간으로 해석하지 않음
• Google: 단어 시간 주석을 추가하면 별도 설정으로 기록. OpenAI 구간과 같은 단위로 취급하지 않음

OpenAI의 해당 모델은 화자 표지가 필요한 전사용이며 Transcription API에서 사용합니다. 일반 전사에는 현재 가이드가 gpt-transcribe를 권합니다. 이번 모델은 prompt를 지원하지 않으므로, 두 서비스에 같은 한국어 지시문을 붙이는 방식으로 조건을 맞출 수 없습니다. 파일 업로드 한도는 25MB입니다. OpenAI 음성 전사 가이드, 화자 구분 모델

Gemini는 한국어 코드 ko-KR을 안내합니다. 이 글의 verbatim은 머뭇거림·반복·말 고침을 남기는 모드입니다. smart는 이를 정리하고 문장 안의 자기 정정을 반영하지만 화자 구분·시간 주석과 함께 쓸 수 없습니다. 화자 구분은 최대 8명이며 3명 이상은 실험적입니다. 표준 요청은 최대 1시간, 화자 구분이나 단어 시간 기능을 쓰면 최대 30분입니다. custom_vocabulary도 화자 구분·시간 기능과 조합할 수 없습니다. Gemini 전사 가이드

Google 모델 페이지는 완료 녹음 경로와 별개인 live 모델도 구분합니다. 이번 글에서는 live를 비교하지 않습니다. 두 후보 모두 이 글에서 날짜가 붙은 고정 스냅샷을 확인하지 못했으므로, 나중에 실제 시험을 한다면 요청 ID뿐 아니라 응답이 알려 주는 모델 버전도 보관하세요. Gemini 전사 모델, OpenAI 모델 버전

이 설명은 제공사 API의 네이티브 음성 입력과 출력에 관한 것입니다. 소비자용 ChatGPT·Gemini 앱에서 동일 모델과 옵션을 선택할 수 있다는 의미는 아닙니다.

읽기 좋은 문장과 말 고침을 남긴 기록은 검수 기준이 다릅니다

회의가 끝난 뒤 배포하는 문장에는 “인쇄 부수 50부”만 필요할 수 있습니다. 그러나 변경 경위를 확인하는 기록에는 처음 말한 15부, 정정 표현, 고친 50부가 함께 필요합니다. 이번 주 비교는 후자의 근거를 남기는 작업입니다.

Gemini의 smart 결과를 별도로 살펴볼 수는 있습니다. 다만 그 모드에서 말 고침 표현이 정리되었다는 이유만으로 오인식이라고 판정하면 안 됩니다. 문서에 안내된 출력 목적에 맞게 동작했을 수 있기 때문입니다. smart는 화자 구분을 끈 독립 조건으로 두고, verbatim 기반 화자 비교와 점수를 섞지 마세요.

반대로 원문 보존용 전사에서 정정 전 수치가 사라졌다면 사람이 원음을 확인해야 합니다. 최종 수치만 맞더라도 어떻게 바뀌었는지 추적할 근거가 부족할 수 있습니다. 아래 실습은 이 차이를 구체적으로 확인하기 위한 것입니다.

여섯 번의 발언으로 검수 기준을 만듭니다

다음은 텍스트만 있는 녹음 계획용 대본입니다. T01부터 T06까지는 발언 순서이며 시간값이 아닙니다. 실제 음성 파일이나 전사 서비스가 출력한 문장이 포함되어 있지 않습니다.

먼저 대본에서 말 고침, 서로 다른 수량의 대상, 미확정 상태를 찾아 표시해 보세요. 다른 사람의 실제 회의 녹음을 준비할 필요가 없습니다. 이 단계에서는 소리 없이도 어떤 기록을 남길지 정할 수 있습니다.

나중에 음성 시험을 하려면 참여자의 동의를 받아 구분 가능한 두 목소리로 이 대본을 녹음하고, 사람이 직접 듣는 기준 자료를 먼저 만드세요. 이 글에는 그런 녹음이나 청취 검수 결과가 없습니다. 대본대로 발음되었는지조차 실제 녹음을 들어야 확인할 수 있습니다.

기대 답에서 확인할 다섯 가지

아래는 대본을 읽고 만든 의미 검수용 기대 답입니다. API의 예상 JSON 형식이나 실제 출력 예시가 아닙니다. 화자·말 고침·대상·상태를 어떤 근거와 연결할지 확인하는 데 사용합니다.

1. 날짜에 관한 말 고침과 미확정을 함께 남깁니다

T01에는 화요일에서 수요일로 말을 고치는 과정이 있습니다. 원문 보존용 기록에서는 두 요일과 “아니”라는 정정 표현을 확인해야 합니다. 이어지는 T02는 수요일 확인을 제안으로만 남기라고 하고, T06은 날짜가 아직 정해지지 않았다고 다시 말합니다.

따라서 검수용 사실 정리에는 ‘수요일 확인이 제안됨, 날짜는 미확정’이 남아야 합니다. T01만 보고 수요일을 확정일로 만들면 안 됩니다. 대본에는 회의 개최일을 정했다는 근거도 없습니다.

2. 인쇄 부수의 15에서 50으로 바뀐 경위를 남깁니다

T03의 A는 인쇄 부수를 열다섯에서 쉰으로 정정합니다. 원문 기록에는 최초 발언과 수정 발언이 모두 있어야 합니다. 후속 사실 정리에서 인쇄 부수는 50부로 다룰 수 있지만, 이것이 인쇄 진행 승인을 뜻하지는 않습니다.

T04와 T05가 승인 전 보류를 명시합니다. 수량 50을 정확히 읽었어도 상태를 ‘진행’으로 바꾸면 실무에서 다른 행동을 유발할 수 있습니다.

3. 시안 15부는 그대로 둡니다

T04의 B가 말한 15부는 시안입니다. T03에서 고친 인쇄 부수와 대상이 다릅니다. 문서 전체의 ‘15’를 ‘50’으로 일괄 바꾸면 시안 수량까지 훼손됩니다. T05는 시안 15부와 인쇄 50부를 다시 구분해 줍니다.

한글 수사 ‘열다섯’과 숫자 ‘15’, ‘쉰’과 ‘50’의 표기 차이만으로 실패를 판정할 필요는 없습니다. 원문 보존 방식에서 허용할 표기 규칙을 먼저 정하고, 수량이 올바른 대상·발언에 연결되었는지 살피세요. 다만 정정 전 표현까지 지워 버린 경우는 별도 문제로 남깁니다.

4. 화자 이름보다 같은 목소리의 일관성을 봅니다

미래의 실제 녹음에서 대본의 A와 B가 번갈아 말하도록 녹음되었다면, 사람의 청취 기준에 따라 T01·T03·T05는 같은 목소리, T02·T04·T06은 다른 같은 목소리로 묶여야 합니다.

서비스가 첫 목소리를 B, 둘째 목소리를 A로 부르더라도 전체 대응이 일관되면 화자 구분 실패가 아닙니다. A와 B를 통째로 바꾸어도 같은 묶음인지 확인하면 됩니다. 반면 T03만 다른 화자로 옮겨지면 정정한 사람이 달라지므로 따로 점검해야 합니다.

현재 텍스트 대본으로 알 수 있는 것은 의도한 화자 배치뿐입니다. 실제 녹음에서 목소리가 얼마나 구분되었는지, 모델이 발언을 올바르게 나눴는지는 측정하지 않았습니다.

5. 시간 정보는 실제 원음을 다시 찾는 데 써 봅니다

시간 정보가 있다면 시작과 끝의 순서가 맞는지, 녹음 전체 길이를 벗어나지 않는지 확인합니다. 각 구간으로 재생 위치를 옮겼을 때 해당 발언을 찾을 수 있는지도 사람이 들어 봐야 합니다.

이 대본에는 실제 시작·종료 시간이 없습니다. 임의로 초 단위를 붙여 정답처럼 쓰지 마세요. 단어 오차율, 화자 분리 오류율, 시간 정확도, 지연시간도 텍스트 대본만으로 계산할 수 없습니다. 시간 오차를 몇 초까지 허용할지는 실제 음성 기준을 만든 뒤 시험 전에 정합니다.

실제로 비교할 때는 같은 녹음과 각 API의 유효한 설정을 씁니다

텍스트 실습을 마친 뒤 본인의 권한과 예산 안에서 시험한다면 다음 조건을 먼저 정하세요. 녹음 대본이나 기대 답을 한쪽 모델에만 알려 주면 비교 조건이 달라집니다.

1. 같은 파일을 준비합니다. 두 경로에 동일한 녹음 바이트를 전달합니다. 파일 해시, 길이, 채널 수, 파일 형식과 언어를 기록합니다. 실무용 비공개 회의 대신 동의를 받은 가상 대본 녹음을 사용합니다.
2. 새 독립 요청으로 시작합니다. 한 모델의 결과를 다른 모델에 넘기지 않습니다. 검수용 대본과 기대 답도 음성 입력에 덧붙이지 않습니다.
3. 지원되는 설정을 유지합니다. 위 비교의 OpenAI 화자 구분 응답과 Gemini 원문 보존·화자 구분을 주 비교로 둡니다. 두 API에 공통 프롬프트를 강제로 맞추지 않습니다.
4. 추가 기능은 분리합니다. Gemini 단어 시간 주석을 켰다면 별도 조건으로 기록합니다. 단어 시간은 정확도에 영향을 줄 수 있으므로 화자 구분만 쓴 결과와 구별합니다.
5. 첫 원응답을 보관합니다. 완료 상태, 실제 모델 ID·버전, 요청 설정, 사용량과 오류를 함께 남깁니다. 화면에 보이는 전사문만 복사하면 화자 주석이나 실패 상태가 빠질 수 있습니다.
6. 원음을 들으며 판정합니다. 위 다섯 기준을 발언별로 확인하고, 첫 결과와 재시도 결과를 나눠 기록합니다. 사람이 바로잡은 문장을 첫 모델 출력으로 바꾸어 저장하지 않습니다.

Gemini 응답을 연동 코드로 읽을 때는 완료된 steps의 model_output 안 텍스트 주석을 확인합니다. 공식 예시는 word_info의 speaker·start_offset·end_offset을 보여 줍니다. 다만 실제 켠 옵션의 응답 구조와 시간 단위를 확인한 뒤 파서를 작성해야 합니다. 이 글의 발언 ID 표를 제공사의 응답 스키마로 취급하지 마세요. Gemini 구조화 전사 응답

비용은 공시 단가와 실제 사용량을 나누어 봅니다

2026년 10월 16일 확인한 직접 API 가격입니다. 소비자 구독료, 무료 체험의 혜택, 재시도 비용을 섞지 않았습니다.

Google 추정치는 표의 가정에 의존합니다. 녹음 길이만 곱해 확정 견적을 만들지 마세요. 무료 등급도 안내되어 있지만, 무료·유료 등급의 제품 개선용 데이터 사용 정책이 다릅니다. 어느 등급이든 실제 비공개 회의 녹음을 이 실습에 올리지 마세요. Gemini API 가격과 데이터 사용 안내

OpenAI의 공식 가격 자료에는 이 모델의 추정 비용이 분당 $0.006으로 실려 있습니다. 모델 페이지의 ‘Audio tokens’ 범주에 표시된 입력·출력 수치를 임의로 오디오 입력·텍스트 출력 단가로 다시 분류하지 않고, 위 표에는 공식 분당 추정치만 사용했습니다. 두 서비스의 분당 안내값은 한국어 회의에서 측정한 동일 조건 청구액이 아닙니다. 안내값의 차이 $0.001/분만으로 실제 비용 순위를 확정할 수 없습니다. OpenAI 공식 가격 자료, 모델 가격 표시

예산이 작다면 필수 기능부터 정하세요. 화자 구분과 정정 근거가 모두 필요하면 그 조건을 충족하는 경로를 후보로 남기고, 호출 비용·재요청 비용·사람의 재청취 시간을 함께 확인합니다. 시험 전에는 총지출 상한과 추가 호출을 멈출 조건을 정합니다. 이 글에는 실제 과금 기록이 없으므로 ‘몇 분을 얼마에 시험했다’는 체험 비용을 제시하지 않습니다.

전사 결과가 어긋났을 때 확인할 순서

복구 후 문장이 맞아졌다면 최초 성공과 구분하세요. 같은 소리를 재청취했는지, 입력을 바꿨는지, 기대 답을 알려 준 뒤 수정했는지도 결과를 해석하는 데 필요합니다.

오늘 바로 해 볼 텍스트 검수

API를 쓰지 않고도 다음 순서로 실습을 마칠 수 있습니다.

1. T01의 두 요일과 정정 표현을 표시합니다.
2. T02·T06을 찾아 날짜를 미확정으로 남깁니다.
3. T03의 인쇄 부수 15→50을 표시하고 발언자 A와 연결합니다.
4. T04·T05의 시안 15부와 인쇄 50부를 서로 다른 대상으로 적습니다.
5. 인쇄 50부 옆에 승인 전 보류 상태를 적습니다.
6. A와 B의 이름을 통째로 바꿔도 발언 묶음이 유지되는지 확인합니다.

이 실습으로 확인하는 것은 텍스트의 의미 검수 규칙입니다. 음성 인식 성능 시험을 완료한 것은 아닙니다. 실제 업무에서는 원음 검수를 거친 뒤 요약이나 담당자·기한 정리로 넘어가세요.

검수된 회의 텍스트를 실행 항목으로 정리하려면 회의록을 엑셀 액션 표로 만드는 방법을, 원문 근거와 미정 기한을 남기는 요약은 Claude API 회의록 요약 검증을 이어서 볼 수 있습니다. 제품 코드처럼 한 글자가 중요한 음성 입력은 제품 코드 오인식 점검에서 별도로 다룹니다.

화자·말 고침 텍스트 검수 자료

가상 6턴 대본 TXT·JSON, 의미 검수 기대 기준, 빈 비교 CSV와 README입니다. 실제 음성 파일·전사 응답·API 호출 코드는 없으며 음성 인식 성능을 시험한 자료가 아닙니다.

텍스트 검수 ZIP 다운로드

내 업무에서 먼저 시험할 후보 고르기

기존 연동 환경과 필수 기능을 기준으로 시작한 뒤, 같은 원음에서 누가 정정했는지, 어느 대상의 수량이 바뀌었는지, 무엇이 아직 미정인지 확인하세요. 이 근거가 유지되고 재청취·재시도 부담이 감당 가능한지 확인한 다음 업무용 경로를 정하는 편이 좋습니다.

작성자 소개

최지원

엑셀·VBA·파이썬·AI 업무 자동화의 사용 절차와 실습 자료를 정리합니다.

WP 게시물 작성자의 글 보기