OpenAI: GPT-4o Transcribe

GPT-4o Transcribe는 GPT-4o를 기반으로 하는 OpenAI의 음성 인식 모델입니다. 선택적인 텍스트 안내와 함께 오디오를 입력받고 인식한 텍스트를 출력합니다. GPT-4o Mini Transcribe 버전 및 화자 레이블 지정에 특화된 GPT-4o Transcribe Diarize와 구분됩니다. 이 프로필로 발화 내용을 충실하게 글로 기록하고, 검토와 이후 편집을 위해 원본 녹음을 보관하세요.

파일 입력과 긴 자료 준비하기

OpenAI의 전사 가이드는 최대 25 MB의 업로드를 문서화합니다. 현재 엔드포인트 참조 문서는 FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, WebM을 입력받으며, 확장자가 있는 파일명과 적절한 콘텐츠 유형 등 형식을 식별하는 파일 메타데이터를 권장합니다. 더 큰 녹음에는 압축하거나 25 MB 이하의 부분으로 순서에 맞게 나누는 방법이 개발사의 긴 입력 지침에 부합합니다. 문장 중간에서 나누지 말고 전체 녹음에서 각 부분의 위치를 유지하세요.

인터뷰에는 각 입력 파일을 해당 녹음과 그 파일이 다루는 구간에 연결합니다. 기술 발표에는 관련 제품명, 약어, 전문 용어를 맥락으로 준비한 뒤 화자가 실제로 말한 내용과 표기를 대조하세요. 수치가 포함된 녹음 설명은 글로 된 절차로 바꾸기 전에 전사와 원본을 함께 검토합니다. 먼저 필요한 산출물은 발화를 인식한 텍스트이며, 요약 보고서나 번역 문서는 그 텍스트에서 별도 단계로 만들 수 있습니다.

녹음에 고유한 프롬프트와 언어 선택

개발사 가이드는 프롬프트 지원 대상에 GPT-4o Transcribe를 명시적으로 포함합니다. 프롬프트는 올바른 표기, 이전 구간의 맥락, 문장 부호, 대소문자, 군더더기 말, 표기 체계에 대한 선호를 제공할 수 있습니다. 참조 문서는 프롬프트가 녹음의 언어와 일치해야 한다고 명시합니다. 주제와 어휘에 관한 짧고 관련성 있는 설명은 발화하지 않은 용어를 필수 출력으로 취급하지 않으면서 전사에 유용한 맥락을 제공합니다.

이 프로필은 ISO 639-1 형식으로 문서화된 단수형 language 언어 힌트를 지원합니다. 실제 입력 언어를 제공하면 인식에 도움이 될 수 있습니다. GPT Transcribe의 새로운 keywords 필드와 복수형 languages 필드는 별도로 명명된 그 모델에 속하므로 GPT-4o Transcribe에도 있다고 가정해서는 안 됩니다. 언어 설정을 전사할 발화에 맞추고, 이후 번역이나 문체 수정 전에 원래 표현을 보존하세요.

결과 형식, 확률, 특수 출력

현재 엔드포인트 참조 문서는 GPT-4o Transcribe가 지원하는 응답 형식으로 JSON을 명시합니다. 결과에는 인식한 텍스트가 포함되며, 이 JSON 형식에서 토큰 로그 확률을 선택적으로 요청할 수 있습니다. 확률 데이터는 모델의 토큰 선택을 설명합니다. 어떤 구간을 확인할지 판단하는 데 참고할 수 있지만, 어려운 이름, 숫자, 구절을 전사가 재현하는지는 오디오와 비교해 확인해야 합니다.

표준 프로필의 JSON 결과는 기본 자막 형식, 상세한 단어 타임스탬프, 화자 배정을 제공하지 않습니다. OpenAI는 이러한 출력이 필요할 때 다른 모델·형식 선택지를 문서화하며, GPT-4o Transcribe Diarize는 별도의 화자 레이블 지정 버전입니다. 자막 작업에는 확인한 전사를 적절한 시간 지정 단계에 사용할 수 있도록 보관하세요. 대화에서는 전사 문단의 주제나 목소리가 바뀌는 것처럼 보인다는 이유만으로 화자 이름을 만들어서는 안 됩니다.

완료된 파일의 결과 스트리밍

OpenAI의 음성 인식 가이드는 기존 GPT-4o Transcribe 통합이 파일 스트리밍을 지원한다고 설명합니다. 애플리케이션은 먼저 녹음을 제공한 뒤 녹음이 처리되는 동안 전사 텍스트를 받고 완료된 결과를 보관합니다. 이는 완료된 녹음의 전사를 스트리밍하는 것이며, 마이크 오디오가 도착하는 대로 입력받는 것이 아닙니다. 해당 모델 카드에는 전사 및 Realtime 엔드포인트 계열도 명시되어 있습니다. 모델별 세션 동작은 이 프로필에 연결해야 하며 새로운 연속 스트리밍 모델에서 가져와서는 안 됩니다.

모델 한도와 최종 산출물 확인

현재 GPT-4o Transcribe 사양에는 16,000토큰의 컨텍스트 창, 2,000토큰의 최대 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 이 토큰 한도는 고정된 오디오 시간이 아니며 파일 전사 준비 규칙을 대체하지 않습니다. 긴 녹음에는 원본 순서와 관련된 앞부분의 맥락을 유지하고, 완료된 텍스트가 의도한 각 구간의 끝까지 도달하는지 확인하세요.

유용한 최종 전사는 검색 가능한 인터뷰 자료, 기술 문서의 원본, 이후 자막 작업 흐름에 사용할 문구가 될 수 있습니다. 불확실한 어휘, 수량, 문장 부호, 억양, 겹치는 발화를 녹음과 대조하세요. 인식한 텍스트와 이후 수정·요약을 구분하고 주변 작업 흐름의 식별자를 통해 원본과의 연결을 유지합니다. 모델은 글로 된 기록을 제공하며, 세심한 입력 준비와 원본 검토가 그 기록이 다음 용도에 적합한지를 결정합니다.