일레븐랩스 '스크라이브 v3' 공개…음성인식 오류 27% 감소

음성 AI 기업 일레븐랩스(ElevenLabs)가 10일(현지시간) 음성인식(STT) 모델 '스크라이브 v3(Scribe v3)'와 실시간용 '스크라이브 v3 라이브(Scribe v3 Live)'를 공개했다. 회사는 두 모델의 오류가 이전 세대보다 각각 27%, 43% 줄었다고 밝혔다. 실시간 모델의 화자 구분은 스크라이브 제품군에서 처음이다.

핵심 정리

• 녹음 파일용 스크라이브 v3는 회사 내부판 FLEURS 벤치마크 102개 언어에서 단어 오류를 스크라이브 v2보다 27% 줄였다.
• 실시간용 스크라이브 v3 라이브는 의미 기준 단어 오류율을 v2 리얼타임보다 43% 낮추고 실시간 화자 분리를 더했다.
• API 정가는 이전 세대와 같은 시간당 0.20달러(v3), 0.22달러(v3 라이브)다.

일레븐랩스 스크라이브 v3 정확도는

일레븐랩스는 102개 언어의 짧고 깨끗한 낭독 음성으로 구성된 FLEURS 벤치마크의 내부판으로 성능을 쟀다. 회사에 따르면 단어 오류율(WER)은 스크라이브 v2보다 27% 낮아졌고, 시험한 모든 언어에서 개선됐다.

언어별로는 독일어 42%, 스페인어 35%, 영어 23%가 줄었다. 스와힐리어(34%)·타밀어(29%)·태국어(28%)도 나아졌다.

스크라이브 v3의 화자 분리 오류는 v2보다 전체 12%, 3명 이상이 말하는 녹음에서는 17% 적었다.

실시간 모델 '스크라이브 v3 라이브'의 변화

일레븐랩스는 스크라이브 v3 라이브가 v2 리얼타임 대비 의미가 바뀐 경우만 오류로 세는 '의미 기준 WER'을 43%, 일반 WER을 31% 낮췄다고 밝혔다. 그리스어는 77%, 덴마크어 54%, 크로아티아어 45%, 힌디어 36% 개선됐다.

회사가 실제 회의·통화·음성 메모로 만든 16개 언어 데이터의 영어 부분에서 스크라이브 v3 라이브의 화자 분리 오류율은 3.1%였다. 다른 실시간 모델은 5.9~7.3%였다. 회사는 이 데이터를 "곧" 공개하겠다고 했다.

말이 끝났는지는 침묵 길이만이 아니라 대화 맥락으로 판단해, 숫자를 불러 주다 잠시 멈춘 통화자의 말을 끊지 않는다. 한 문장 안에서 언어를 바꿔 말하는 경우를 위한 다국어 모드도 들어갔다.

네덜란드 에너코 시험 결과

네덜란드에서 200만 곳 넘는 가정·기업에 에너지를 공급하는 에너코(Eneco)는 출시 전 자사 음성 에이전트에 스크라이브 v3 라이브를 시험 적용했다. 일레븐랩스에 따르면 실제 고객 통화에서 에이전트가 우편번호를 한 번에 맞힌 경우가 40%, 집 번지수는 15% 늘었다.

에너코의 루드 하위슬로트(Ruud Huigsloot) 수석 프로덕트 매니저는 "이렇게 이른 시점에 의미 있는 결과를 보게 돼 기쁘고, 앞으로의 협력도 기대된다"고 말했다.

가격과 개발자 기능

일레븐랩스 API 가격표에 따르면 스크라이브 v3는 시간당 0.20달러, v3 라이브는 0.22달러로 각각 v2, v2 리얼타임과 같다. 브랜드명·약품명처럼 등장할 용어를 최대 1000개까지 미리 알려 주는 '키텀 프롬프팅'은 시간당 추가 요금이 붙는다. v3 라이브에는 문서상 최대 10만 개 용어를 담는 '키텀 라이브러리'(별도 과금)가 추가됐다.

기존 연동은 모델 ID를 scribe_v3나 scribe_v3_live로 바꾸면 된다.

배경: 경쟁 치열해진 음성인식 시장

이번 출시는 경쟁사 소니옥스(Soniox)가 음성 에이전트용 STT v6를 실시간 시간당 0.12달러에 내놓은 지 일주일 만이다. 일레븐랩스의 정확도 수치는 모두 자체 시험 결과다.

전망

두 모델은 기본적으로 미국에서 처리되며, 기업 고객에게는 EU·인도·싱가포르의 분리 환경도 제공된다. 의료 대화에 맞춘 스크라이브 v3 라이브도 일레븐에이전츠에 나온다. 독립 벤치마크와 공개 예정 데이터는 아직 나오지 않았다.

자주 묻는 질문

스크라이브 v3와 v3 라이브는 무엇이 다른가? 스크라이브 v3는 녹음 파일을 받아쓰고, v3 라이브는 음성 에이전트 통화처럼 실시간으로 들어오는 음성을 짧은 지연으로 처리하는 모델이다.

정확도 수치는 독립 검증을 거쳤나? 아니다. 27%, 43%는 내부판 FLEURS와 자체 데이터로 일레븐랩스가 직접 측정한 결과다.

참고 자료

• Introducing Scribe v3 and v3 Live, our most accurate speech to text models — ElevenLabs(2026년 11월 10일)
• Models | ElevenLabs Documentation — ElevenLabs
• ElevenLabs API Pricing: Plans for Creators & Businesses of All Sizes — ElevenLabs