ElevenLabs, Scribe v2로 Zoom 전사 한계 넘어서… 90개 언어 지원

조직은 내장 도구 또는 ElevenLabs 같은 제3자 솔루션을 통해 Zoom 회의의 정확도와 언어 커버리지를 높일 수 있다. Zoom의 AI Companion은 실시간 번역에 46개 언어를 지원하지만, 회의 후 전사(transcript)는 19개 언어로 제한되어 다국적 팀에는 부족할 수 있다.

Zoom 기본 전사 옵션

Zoom은 실시간 자막과 자동 폐쇄 자막을 기본 제공한다. 실시간 폐쇄 자막은 모든 요금제에서 무료지만, 전체 회의 전사본과 클라우드 녹화 기능은 유료 Workplace 계정이 필요하다. 관리자는 Zoom 웹 포털에서 자동 자막과 클라우드 녹화를 활성화하여 이 기능을 설정할 수 있다.

회의 종료 후 Zoom은 자동으로 다운로드 가능한 VTT 형식 전사 파일을 생성하며, 즉시부터 최대 24시간 내에 제공된다. 이 플랫폼은 화자 분리(speaker diarization) 기능을 사용해 화자를 식별하고 대규모 그룹의 구조화된 전사본을 만든다.

ElevenLabs Scribe v2 통합

더 넓은 언어 지원이나 낮은 단어 오류율을 원하는 팀을 위해 ElevenAPI는 90개 이상의 언어와 악센트에 대한 전사 기능을 제공한다. Scribe v2 모델은 단어 단위 타임스탬프로 오디오를 처리하며 최대 32명의 화자 구분을 유지한다.

개발자는 두 가지 WebSocket 기반 스트리밍 아키텍처를 통해 실시간 전사를 통합할 수 있다:

• 클라이언트 측 스트리밍: 가상 오디오 장치를 통해 마이크나 브라우저에서 직접 오디오를 캡처한다. API 키 보호를 위해 백엔드 서버가 생성한 일회용 임시 토큰을 사용하며, 이 토큰은 15분 후 만료된다.
• 서버 측 스트리밍: 주요 API 키를 사용하여 회의 스트림, URL 또는 파일에서 오디오를 추출한다. 이 방법은 무인 회의 봇 같은 완전 자동화를 지원하며, 활성 브라우저 세션이 필요 없다.

사용 사례 및 설정

AI 기반 전사는 다국어 코드 스위칭, 악센트 있는 발화, 비동기 지식 공유를 처리하여 글로벌 팀을 지원한다. 또한 책임 소재를 명확히 하기 위한 다자간 화자 분리 기능을 지원한다.

ElevenAPI 설정을 위해 개발자는 API 키를 생성하고 공식 Python 또는 TypeScript SDK를 설치한 후, 배치 처리를 위해 Scribe v2 엔드포인트를 호출하거나 실시간 오디오를 위해 Scribe Realtime v2 WebSocket을 사용한다.