실시간 음성 모델 가격 비교
「실시간」은 두 종류입니다. 자막용 스트리밍 받아쓰기와 음성 대화용 음성 대 음성 모델이며, 둘 다 시간당 비용으로 통일했습니다.
가격 확인일 2026-10-26. 업스트림 정가이며 BibiGPT 요금이 아닙니다.
실시간 받아쓰기
| 모델 | 시간당 | 10시간 | 정가 | 강점 | BibiGPT 지원 |
|---|---|---|---|---|---|
Apple Speech (온디바이스, macOS) Apple SFSpeechRecognizer무료이고 오프라인에서도 동작하지만, 클라우드 모델보다 정확도는 낮습니다. | $0 | $0 | 무료 (시스템 내장) | 시스템 지원 언어 저지연 | 내 기기에서 실행 Mac 앱, 마이크 실시간 받아쓰기 |
Qwen-Audio-3.1 ASR Streaming최저가 Alibaba Qwen qwen-audio-3.1-asr-flash-streaming업체 주장 첫 토큰까지 약 160ms(직접 측정하지 않음). 파일 버전보다 한 자릿수 배 비쌉니다. | $0.07추정 | $0.7 | 입력 ¥6 / 출력 ¥4.5 (100만 토큰당, 베이징 리전) | 30개 언어 + 방언 10종 저지연핫워드방언 | BibiGPT 미지원 |
Soniox Real-time Soniox stt-rt중국 밖에서 찾은 가장 저렴한 실시간 받아쓰기이며, 말하는 동안 번역도 할 수 있습니다. | $0.12 | $1.2 | $0.12/시간 | 60개 언어 저지연화자 구분단어 타임스탬프 | BibiGPT 미지원 |
Paraformer Realtime v2 Alibaba Qwen paraformer-realtime-v2중국에서 가장 저렴하고 비용 예측이 쉬운 실시간 ASR입니다. | $0.122 | $1.22 | ¥0.00024/초 (매월 10시간 무료) | zh/en/ja/ko + 억양 저지연핫워드방언 | BibiGPT 미지원 |
Doubao 스트리밍 ASR 2.0 ByteDance Volcengine Doubao streaming ASR model 2.0Paraformer Realtime과 비슷한 가격대의 강력한 실시간 중국어 인식입니다. | $0.141 | $1.41 | ¥1/시간 (모노 채널당, 구간별 요금) | zh/en + 방언 저지연핫워드방언 | BibiGPT 미지원 |
AssemblyAI Universal-Streaming AssemblyAI universal-streaming음성 에이전트의 「듣기」 계층으로 흔히 쓰입니다. Pro Realtime 등급은 $0.45/시간입니다. | $0.15 | $1.5 | $0.15/시간 | 영어 + 다국어 저지연단어 타임스탬프 | BibiGPT 미지원 |
Qwen3-ASR Flash Realtime Alibaba Qwen qwen3-asr-flash-realtime감정 라벨이 있는 중국산 실시간 ASR입니다. | $0.167 | $1.67 | ¥0.00033/초 (fun-asr-realtime과 동일) | 약 27개 언어 + 방언 4종 저지연감정방언 | BibiGPT 미지원 |
Grok Voice Transcribe (스트리밍) xAI grok-voice-transcribe-2.0영어 실시간 자막을 저렴하게 만들 수 있습니다. 중국어는 지원하지 않습니다. | $0.2 | $2 | $0.20/시간 (WebSocket) | 25개 언어 (CJK 제외) 저지연단어 타임스탬프화자 구분 | BibiGPT 미지원 |
Deepgram Nova-3 Streaming Deepgram nova-3영어 통화와 회의에 오래 쓰여 온 선택지입니다. 현재 가격은 한시적 프로모션 가격입니다. | $0.288 | $2.88 | $0.0048/분 (단일 언어, 프로모션 가격; 다국어 $0.0058) | 다국어, 영어에 가장 강함 저지연화자 구분핫워드 | BibiGPT 미지원 |
Fish Audio Transcribe Stream Fish Audio transcribe-stream-1무음 구간을 포함한 세션 시간 기준으로 과금됩니다. | $0.36 | $3.6 | $0.36/세션 시간 (프리뷰) | 다국어 저지연 | BibiGPT 미지원 |
ElevenLabs Scribe v2 Realtime ElevenLabs scribe_v2_realtime다국어 실시간 자막이며 지연은 약 150ms입니다(업체 수치). | $0.39 | $3.9 | $0.39/시간 | 90개 이상 언어 저지연단어 타임스탬프 | BibiGPT 미지원 |
Gemini 3.5 Transcribe Live Google gemini-3.5-transcribe-live파일 버전보다 약 80% 비싸지만, 말하는 동안 바로 텍스트를 받을 수 있습니다. | $0.542추정 | $5.42 | 오디오 입력 $3.50 / 텍스트 출력 $21 (100만 토큰당, 공식 추정 약 $0.009/분) | 85개 이상 언어 저지연화자 구분군더더기 제거 | BibiGPT 지원 실시간 받아쓰기 (웹 / 데스크톱) |
GPT Live Transcribe OpenAI gpt-live-transcribe실시간 자막으로는 비싼 편입니다. gpt-realtime-translate는 $0.034/분입니다. | $1.02 | $10.2 | $0.017/분 | 다국어 저지연 | BibiGPT 미지원 |
실시간 음성 대화
| 모델 | 시간당 | 10시간 | 정가 | 강점 | BibiGPT 지원 |
|---|---|---|---|---|---|
Qwen-Audio-3.1 Realtime Plus Alibaba Qwen qwen-audio-3.1-realtime-plus중국 본토에서 접속할 수 있는 음성 대 음성 모델입니다. 정가는 3.0과 같고, 컨텍스트는 매 턴마다 다시 과금됩니다. | $0.602추정 | $6.02 | 오디오 입력 ¥40 / 오디오 출력 ¥150 (100만 토큰당, 베이징 리전) | 중국어와 영어 우선 음성 대 음성저지연 | BibiGPT 미지원 |
Gemini 3.1 Flash Live Google gemini-3.1-flash-live-preview오디오 입출력을 기본 지원하고 화면 공유와 함께 쓸 수 있습니다. 여기서 가장 저렴한 음성 대 음성 옵션입니다. | $0.675추정 | $6.75 | 오디오 입력 $3 / 오디오 출력 $12 (100만 토큰당, 공식 추정 분당 $0.005 / $0.018) | 다국어 음성 대 음성저지연 | BibiGPT 지원 Gemini 데스크톱 및 웹 Live 음성 채팅 |
GPT Realtime Mini OpenAI gpt-realtime-mini저가형 GPT Realtime으로, 풀 모델의 약 3분의 1 가격입니다. | $0.9추정 | $9 | 오디오 입력 $10 / 오디오 출력 $20 (100만 토큰당) | 다국어 음성 대 음성저지연 | BibiGPT 미지원 |
GPT Realtime OpenAI gpt-realtime음성 에이전트의 일반적인 기준 모델입니다. 긴 세션에서는 컨텍스트 토큰 비용도 붙습니다. | $2.88추정 | $28.8 | 오디오 입력 $32 / 오디오 출력 $64 (100만 토큰당, gpt-realtime-2 오디오도 동일) | 다국어 음성 대 음성저지연 | BibiGPT 미지원 |
Grok Voice 3.0 xAI grok-voice-3.0분당 정액 가격이라 예산을 잡기 쉽지만, 여기서는 단가가 가장 높습니다. | $4.8 | $48 | $0.08/분 (텍스트 입력 별도) | 다국어 음성 대 음성저지연 | BibiGPT 미지원 |
- Gemini 오디오 입력: 초당 25토큰, 받아쓰기 텍스트 출력은 초당 약 3토큰으로 계산했습니다.
- Qwen-Audio-3.1: 초당 입력 약 20 + 출력 약 4토큰이며, 저희 중국어 샘플로 측정한 값입니다.
- 음성 대화는 한 시간 중 사용자가 50%를 말하고 나머지는 모델이 말한다고 가정합니다.
- 위안화와 달러는 7.1 기준으로 환산했습니다.
자주 묻는 질문
가장 저렴한 받아쓰기 모델은 무엇인가요?
저희 샘플 기준으로 Qwen-Audio-3.1 파일 받아쓰기는 시간당 약 ¥0.075~0.10으로, StepAudio 2.5(¥0.15/시간)와 Paraformer v2(¥0.288/시간)보다 낮았습니다. Bibi Local 데스크톱 앱의 온디바이스 모델은 무료입니다.
STT, 실시간, TTS는 어떻게 다른가요?
STT는 녹음이 끝난 오디오를 텍스트로 바꾸며 오디오 시간 기준으로 과금됩니다. 실시간 모델은 말하는 동안 같은 작업을 하거나 음성으로 답하며 비용이 더 듭니다. TTS는 반대로 텍스트를 넣으면 음성이 나오고, 대개 글자 수 기준으로 과금됩니다.
일부 가격에 「추정」이 붙은 이유는 무엇인가요?
해당 모델은 분 단위가 아니라 토큰 단위로 과금됩니다. 표 아래에 적은 토큰 밀도로 환산했으며, 실제 청구 금액은 말 속도와 언어에 따라 달라집니다.
이 모델들을 BibiGPT에서 쓸 수 있나요?
「BibiGPT 지원」 모델은 멤버십에 포함됩니다. 「내 키」 모델은 본인의 API 키를 등록하면 선택할 수 있습니다. 「내 기기에서 실행」 모델은 Bibi Local 데스크톱 앱에서 무료로 실행됩니다. 「BibiGPT 미지원」 행은 참고용입니다.
내 오디오로 직접 써 보세요
YouTube, Bilibili, 팟캐스트 링크를 BibiGPT에 붙여 넣고 받아쓰기 설정에서 엔진을 고르세요. 비공개 녹음은 Bibi Local이 내 컴퓨터에서 직접 받아쓰기합니다.