OpenAI 오디오 API: 기능, 가격 및 사용 방법

오디오 API 가이드 · 2026년 9월 29일 업데이트

녹음 내용을 텍스트로 변환하거나, 동영상에 나레이션을 추가하거나, 고객이 AI 어시스턴트와 대화할 수 있게 하고 싶으신가요? 이 OpenAI 오디오 API 개발자에게 음성 처리를 위한 여러 가지 방법을 제공하지만, 각 작업마다 서로 다른 모델, 요청 및 과금 단위를 사용합니다.

먼저 완료하고 싶은 작업부터 시작하세요. 아래에서는 주요 엔드포인트, 현재 사용 가능한 모델, Python 예제, 요금 산정 방법을 확인할 수 있습니다. 앱에 다른 제공업체의 음성, 채팅 모델, 이미지 또는 동영상이 추가로 필요한 경우, GlobalGPT API 또 다른 방법을 제시합니다. 바로 해당 서비스들과 함께 오디오 관련 작업을 처리하는 단일 API 진입점을 제공하는 것입니다.

OpenAI 오디오 API란 무엇인가요?

OpenAI 오디오 API는 음성을 처리하고 생성하기 위한 일련의 개발자용 인터페이스입니다. 애플리케이션은 OpenAI에 텍스트나 오디오를 전송하고, 모델을 선택한 후, 그 대가로 음성 출력이나 텍스트를 수신합니다. 이 API는 텍스트 변환 앱, 음성 해설 기사, 자막 도구 또는 대규모 어시스턴트의 음성 기능을 지원하는 데 활용될 수 있습니다.

OpenAI의 오디오 API 참조 음성 생성, 전사, 번역을 분리합니다. 이들은 유용한 구성 요소입니다. 전사는 녹음 내용을 바탕으로 단어를 추출하고, 별도의 텍스트 모델은 그 단어들을 요약문으로 변환하며, 음성 모델은 요약문을 소리 내어 읽어줍니다.

ChatGPT는 바로 사용할 수 있는 애플리케이션이며, API를 통해 자신의 애플리케이션에 모델을 추가할 수 있습니다. ChatGPT와만 통신하고 싶다면 다음부터 시작하세요. ChatGPT 음성 접속 및 제한 사항. API 프로젝트에는 별도의 설정 및 운영 예산이 필요합니다.

어떤 오디오 엔드포인트와 모델을 사용해야 할까요?

애플리케이션에 필요한 출력 형식에 맞춰 선택하십시오. 캡션 파일, 화자 라벨이 포함된 대본, 실시간 대화는 비록 세 가지 모두 누군가가 말을 하는 것으로 시작하더라도 서로 다른 결과물입니다.

현재 파일 전사 가이드 권장합니다 gpt-transcribe 일반 녹음의 경우. 팟캐스트 대본을 작성하려면 거기서부터 시작하세요. 단어별 타임스탬프나 자막 형식이 필요한 경우, 모델을 선택하기 전에 모델별 옵션을 확인하세요. 지원 여부는 모델마다 다릅니다.

말의 흐름은 실제 대화와는 다릅니다

스트리밍 텍스트-음성 변환 기능은 오디오 파일의 생성이 완전히 끝나기 전에 응답을 재생하기 시작합니다. 이 기능만으로는 앱이 사용자의 중간 개입을 감지하거나 진행 중인 통화를 관리할 수 없습니다. 마찬가지로, 완성된 파일의 대본을 스트리밍한다고 해서 실시간 마이크 세션이 설정되는 것은 아닙니다.

새로운 대화형 음성 앱을 위해, OpenAI의 오디오 및 음성 안내 GPT-Live를 가리킵니다. 이 서비스의 음성 모델이 대화를 주도하는 동안 백엔드 에이전트는 정보를 검색하거나 도구를 활용합니다. 세션 및 도구 모델이 필요한 경우에는 실시간 API를 별도로 선택할 수 있습니다.

OpenAI 오디오 API 사용 방법

아래 예제를 위해 OpenAI API 프로젝트를 생성하고, API 결제를 설정한 다음, 키를 OPENAI_API_KEY 서버 또는 로컬 개발 환경에서 환경 변수를 설정하십시오. 다음 명령어를 사용하여 Python SDK를 설치하십시오. pip install openai. 영구 API 키를 공개 웹 페이지나 모바일 앱 번들에 포함하지 마십시오.

애플리케이션에 요청을 추가하기 전에 응답을 확인해 볼 수 있도록, 먼저 짧은 파일이나 스크립트로 시작해 보세요.

1. 녹음 내용을 텍스트로 옮기기

녹화 파일을 다음 이름으로 저장 meeting.mp3, 그런 다음 같은 폴더에서 이 스크립트를 실행하세요. 반환된 텍스트 이 문서는 회의록이며, 회의 요약이나 조치 사항 목록이 아닙니다.

from openai import OpenAI

client = OpenAI()

with open("meeting.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
    model="gpt-transcribe",
    file=audio_file,
    )

print(transcript.text)

제품명이나 업계 용어의 경우, 모델이 철자를 추측하도록 기대하기보다는 관련 맥락을 제공해 주세요. 현재 전사 가이드에서는 다음을 지원합니다. 프롬프트, 여기에 모델별 키워드 및 언어 관련 팁도 포함됩니다. 앱에서 실제로 처리하는 녹음 자료 중 짧은 샘플을 사용하여 이러한 옵션을 테스트해 보세요.

소스가 녹화된 데모나 인터뷰 영상인 경우, 당사의 가이드를 참고하시기 바랍니다. 동영상의 오디오를 텍스트로 변환하기 매체 준비 과정과 원문을 받아 유용한 요약문을 작성하기까지의 단계들을 설명합니다.

2. 대본을 음성 파일로 변환하기

지원되는 음성 중 하나를 선택하고 발음 방식을 설명하세요. 이 예제는 컴퓨터에 MP3 파일을 저장할 뿐, 파일을 자동으로 재생하지는 않습니다.

from pathlib import Path
from openai import OpenAI

client = OpenAI()

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="회의 요약이 준비되었습니다. 다음 단계는 다음과 같습니다.",
    instructions="차분하고 명확한 어조로, 적당한 속도로 말해 주세요.",
) as response:
    response.stream_to_file(Path("narration.mp3"))

그리고 텍스트 음성 변환 가이드 문서에서는 어조, 속도, 억양 및 기타 발화 방식에 대한 제어 기능을 다룹니다. MP3가 기본 출력 형식이며, 그 외에도 WAV, PCM, Opus, AAC, FLAC 등의 형식이 지원됩니다. 음성 선택 사항은 모델에 따라 다릅니다. 또한 OpenAI의 경우, 해당 음성이 AI로 생성된 것임을 명확히 밝혀야 합니다.

가끔씩 내레이션을 넣을 때는 코드를 작성하는 것보다 브라우저 도구를 사용하는 편이 더 나을 수 있습니다. 다음 가이드를 참고하세요. 텍스트 음성 변환 도구 및 워크플로우 해당 과정을 다루며, 보이스오버를 내보내기 전에 확인해야 할 사항도 포함합니다.

3. 녹음된 음성을 영어 텍스트로 변환하기

번역 엔드포인트는 다음을 사용합니다. whisper-1 그리고 영어 텍스트를 출력합니다. 기존 통합의 경우, 요청은 다음과 같습니다. 2027년 2월의 서비스 종료 일정을 고려한 뒤, 이를 기반으로 새로운 장기적 의존성을 구축하십시오.

from openai import OpenAI

client = OpenAI()

with open("interview.mp3", "rb") as audio_file:
    translation = client.audio.translations.create(
 model="whisper-1",
 file=audio_file,
    )

print(translation.text)

이 요청으로는 영어 더빙 오디오가 생성되지 않습니다. 더빙을 위해서는 음성 생성을 비롯해, 프로젝트에 따라 타이밍 조정 및 영상 동기화 등 추가 단계가 필요합니다. 다른 대상 언어로 번역하려면 해당 언어를 명시적으로 지원하는 번역 방식을 사용하십시오.

OpenAI 오디오 API의 가격은 얼마인가요?

오디오 API에 대한 단일 요금은 없습니다. 파일 텍스트 변환, 음성 합성, 실시간 세션은 각각 다른 과금 단위를 사용합니다. 아래 수치는 다음에서 가져온 것입니다. OpenAI의 API 요금, 2026년 9월 29일 확인. 이는 OpenAI 요금이며, GlobalGPT 가격과는 별개입니다.

전사 행에는 OpenAI가 발표한 예상 비용 그럴 줄 알았어요. TTS 토큰 예시는 두 가지 지정된 사용 총량을 바탕으로 한 산술적 설명일 뿐이며, 스크립트가 입력 토큰 수와 출력 토큰 수를 동일하게 생성할 것이라는 예측은 아닙니다. 문자, 텍스트 토큰, 오디오 토큰은 서로 다른 단위입니다.

실제 프로젝트를 견적할 때는 전사 작업 이후의 작업량도 함께 계산해야 합니다. 회의 보조 담당자는 전사본, 요약본, 실행 항목, 녹음 재생본 등이 필요할 수 있습니다. 각 모델 호출마다 비용이 발생할 수 있습니다. 음성 상담원은 대화가 진행되는 동안 검색이나 기타 도구를 사용할 수도 있습니다.

특히 GPT-Live의 경우, 모델 가격 안내 페이지 세션 지속 시간을 백엔드 모델 및 도구 비용과 분리합니다. 음성 세션 비용이 $3인 1시간 통화라고 해서, 반드시 총 애플리케이션 비용이 $3인 것은 아닙니다.

GlobalGPT에는 오디오, 채팅, 이미지 및 비디오를 위한 API도 포함되어 있습니다.

오디오 기능이 더 광범위한 제품의 일부라면, GlobalGPT는 유용한 선택지가 됩니다. 이 제품의 API 개요 여러 모델 범주에 대한 공통 진입점을 기록합니다: 채팅 요청은 /v1/chat/complaints 또는 /v1/응답, 반면 이미지, 동영상 및 오디오 생성은 /v1/tasks.

예를 들어, 콘텐츠 앱은 채팅 모델을 활용해 대본을 작성하고, 내레이션 트랙을 만들고, 일러스트를 생성한 뒤, 짧은 동영상을 제작할 수 있습니다. 이때 다중 모델 워크플로우 구축, 각 모델에 명확한 역할을 부여하고, 단계 간에 검토된 결과를 전달하십시오.

GlobalGPT의 공개 게시물 오디오 모델 카탈로그 음성 관련 콘텐츠 제작을 위한 Eleven v3, Eleven Multilingual v2, Qwen Audio 3.0, Seed Audio 1.0과 더불어, 음성 텍스트 변환 작업을 위한 Scribe 및 AI Note Taker가 포함되어 있습니다. 통합에 사용할 수 있는 구체적인 모델은 해당 계정의 API 카탈로그에서 확인하시기 바랍니다.

분량이 많은 대본의 경우, Eleven Multilingual v2 리뷰 이 글에서는 내레이션, 언어 지원, 그리고 다른 ElevenLabs 모델들과의 차이점에 대해 다룹니다.

음성과 주변 소리가 포함된 창의적인 오디오를 만들려면, Seed Audio의 음성 및 음향 효과 가이드 단순히 텍스트를 소리 내어 읽는 것보다 더 폭넓은 과제를 다룹니다. 전달하고자 하는 오디오의 유형에 맞춰 선택하세요.

GlobalGPT API를 시작하는 방법

1. GlobalGPT API 영역을 열고 다음 경로 아래에 키를 생성하십시오. API → API 키 → 키 생성. 표시되면 안전하게 저장하세요.
2. 모델 카탈로그를 확인하여 필요한 작업에 해당하는 모델 ID와 가격을 찾아보세요.
3. 선택한 모델의 문서화된 매개변수를 사용하십시오. 다음의 오디오 작업 요청 형식을 따르십시오. /v1/tasks, OpenAI를 붙여넣는 대신 /오디오/음성 페이로드는 변경되지 않았습니다.
4. 먼저 짧은 샘플로 시작해 보세요. 더 큰 배치를 처리하기 전에 반환된 오디오, 완료 상태 및 청구된 사용량을 확인하세요.

문서에 명시된 API 기본 URL은 다음과 같습니다. https://api2.glbgpt.com/ai-api/open/v1. 이 읽기 전용 카탈로그 요청은 키를 GLOBALGPT_API_KEY:

curl "https://api2.glbgpt.com/ai-api/open/v1/models" \
  -H "Authorization: Bearer $GLOBALGPT_API_KEY"

실제로 선택한 모델에 명시된 가격을 사용하십시오. GlobalGPT 웹사이트 구독 요금, 크레딧 잔액, OpenAI 분당 요금은 동일한 요청에 대해 서로 대체 가능한 견적이 아닙니다.

오디오 API에서 흔히 저지르는 실수와 이를 피하는 방법

음질을 결정하기 전에, 제품명, 숫자, 약어, 사용자가 사용하는 언어 등 실제 어휘가 포함된 짧은 샘플을 테스트해 보세요. 텍스트 변환의 경우, 단어와 화자 구분이 정확한지 확인하세요. 나레이션의 경우, 발음, 말의 멈춤, 말의 속도, 그리고 의도한 어조가 긴 문단에서도 잘 유지되는지 들어보세요.

처리 권한이 있는 녹음 파일만 사용하고, 암호화 키는 신뢰할 수 있는 서버에 보관하며, 오디오 데이터를 수신하는 서비스의 데이터 이용 약관을 꼼꼼히 확인하십시오. 소비자가 직접 사용하는 제품의 경우, 녹음 및 AI 음성 사용에 대한 안내를 인터페이스에 포함시키십시오.

어떤 API 경로를 선택해야 할까요?

OpenAI를 직접 선택하세요 앱에 특정 OpenAI 음성 모델, 문서화된 텍스트 변환 옵션 또는 네이티브 실시간 음성 세션이 필요한 경우. 해당 작업에 적합한 모델부터 시작하여, 실제 요청 및 청구 규칙을 고려하여 설계를 진행하십시오.

GlobalGPT를 고려해 보세요 제품에 여러 제공업체의 모델을 오디오와 결합하거나, 채팅, 이미지, 동영상과 함께 음성 생성 기능을 탐색하고자 할 때 유용합니다. API 카탈로그에서 시작하여 사용 가능한 모델을 선택한 뒤, 규모를 확대하기 전에 간단한 작업을 통해 검증해 보세요.

음악, 내레이션, 전사 작업에는 각기 다른 모델 선택이 필요합니다. 저희의 비교 분석에 따르면 작업에 따른 오디오 모델 선택 노래 재생, 내레이션, 그리고 더 복잡한 오디오 장면을 구분하는 데 도움이 됩니다.

단일 음성 해설이나 회의록의 경우, 웹 도구만으로도 충분할 수 있습니다. API는 자체 애플리케이션에서 해당 작업을 반복적으로 실행하거나, 결과를 다음 단계로 전달하거나, 사용자에게 결과를 제공해야 할 때 유용합니다.

자주 묻는 질문

OpenAI 오디오 API는 하나의 모델인가요?

아닙니다. 이는 오디오 인터페이스 세트입니다. 음성 생성, 파일 텍스트 변환, 파일 번역은 각각 다른 엔드포인트와 모델을 사용합니다. GPT-Live와 Realtime은 라이브 오디오 애플리케이션을 위해 별도의 세션 기반 옵션을 제공합니다.

OpenAI 오디오 API는 텍스트를 음성으로 변환할 수 있나요?

네. 음성 엔드포인트는 텍스트, 모델, 음성을 입력으로 받아 오디오를 반환합니다. gpt-4o-mini-tts를 사용하면 어조나 말투와 같은 발화 지침을 지정할 수도 있습니다. 기본 출력 형식은 MP3입니다.

새로운 텍스트 변환 앱을 만들 때 어떤 모델을 사용해야 할까요?

OpenAI의 현재 파일 전사 가이드에서는 일반적인 녹음된 음성의 경우 gpt-transcribe를 권장합니다. 단어 타임스탬프, 자막 형식, 화자 라벨과 같은 특수한 요구 사항에 대해서는 모델마다 지원 여부가 다르므로 별도로 확인하시기 바랍니다.

Whisper가 단종되는 건가요?

OpenAI는 2027년 2월 26일부로 자사가 호스팅하는 Whisper-1 API 모델과 세 가지 구형 GPT-4o 음성 인식 모델을 단종할 예정이라고 밝혔습니다. 이는 API 모델의 단종일 뿐, 모든 Whisper 소프트웨어나 모든 OpenAI 오디오 서비스가 중단된다는 의미는 아닙니다.

오디오 번역 기능은 녹음된 오디오를 반환하나요?

아닙니다. 파일 번역 엔드포인트는 녹음된 음성을 기반으로 영어 텍스트를 반환합니다. 번역된 음성을 생성하려면 별도의 음성 생성 단계나 전용 음성 번역 서비스가 필요합니다.

실시간 음성 비서 개발에 오디오 API를 사용할 수 있나요?

텍스트 변환, 텍스트 모델, 음성 생성을 결합하여 음성 비서를 구현할 수 있지만, 실시간 대화 처리를 위해서는 추가적인 설계가 필요합니다. OpenAI는 새로운 대화형 음성 애플리케이션의 출발점으로 GPT-Live를 권장하며, 별도의 실시간 API에 대해서도 설명하고 있습니다.

GlobalGPT에는 오디오 API가 있나요?

네. GlobalGPT의 API 개요 문서에는 이미지 및 동영상 생성과 더불어, ‘tasks’ 엔드포인트를 통한 오디오 생성 방법도 설명되어 있습니다. ‘models’ 엔드포인트에는 모델 ID와 가격이 나열되어 있습니다. 요청을 보내기 전에 선택한 모델의 사용 가능 여부와 매개변수를 확인하시기 바랍니다.

GlobalGPT의 오디오 API는 OpenAI의 것과 동일한가요?

두 서비스는 서로 다른 오디오 경로를 지원합니다. OpenAI는 전용 오디오 엔드포인트를 제공하는 반면, GlobalGPT는 태스크 API를 통해 오디오 생성을 처리합니다. 선택한 제공자의 모델 ID와 요청 필드를 사용하십시오. OpenAI 엔드포인트 호환성 및 실시간 음성 지원 여부는 별도로 확인해야 합니다.