FastAPI server wiki

🎙️ STT (Speech-to-Text) Model List

음성 데이터를 텍스트로 변환하는 모델들입니다. 인식 정확도(WER)와 비용을 고려하여 선택할 수 있습니다.

💰 유료 모델

모델명 | 주요 특징 및 가격 정책 | 비고 -- | -- | -- Google Cloud STT | 매월 60분 무료, 이후 15초당 과금 ($0.006~) | 글로벌 언어 지원 최상, V2 API 제공 Naver CLOVA | CLOVA Speech: 긴 오디오/비디오 최적화CSR: 1분 이내 단문 인식 최적화 | 한국어 인식률 최상위권, 도메인 최적화 지원

Note

WER(Word Error Rate, 단어 오차율): 사람이 말한 정답 문장과 AI 인식 결과 사이의 오차를 계산한 지표입니다. 수치가 낮을수록 실제 음성과 가깝게 인식했음을 의미합니다.

---

🧠 LLM (Large Language Model) List

텍스트 분석 및 생성을 담당하는 두뇌 역할을 합니다. 용도에 따라 모델 크기를 선택합니다.

💰 유료 모델

• GPT-4o-mini

  • 용도: 일반적인 텍스트 문제 채점, 정형화된 데이터 추출, 간단한 피드백.

  • 특징: GPT-4 수준의 지능을 유지하면서 비용과 속도를 획기적으로 낮춘 모델.

• DeepSeek-V3

  • 용도: 복잡한 CS(컴퓨터 공학) 개념 설명, 논리적 추론이 필요한 모의면접 로직.

  • 특징: 2025~2026년 급부상한 모델로, 특히 코드 생성 및 이공계 논리 추론에서 GPT-4o에 근접한 성능을 보임.

🆓 무료 모델

• Gemini 1.5 Flash

  • 제한: 분당 15회 호출(RPM), 분당 100만 토큰까지 무료 (Free Tier 기준).

  • 특징: 매우 빠른 응답 속도와 100만 토큰의 거대한 컨텍스트 창을 제공하여 긴 문서 분석에 유리.

---

🚀 MVP (Minimum Viable Product) 구현 전략

핵심 기능을 가장 빠르고 비용 효율적으로 구현하기 위한 조합입니다.

1. 음성 인식 (STT) 로직

• ETRI API: 공공 AI 오픈 API로, 일일 1,000건(건당 20초 이내) 무료 이용 가능. 한국어 특화 성능이 우수함.

• Groq Whisper: Groq의 LPU 하드웨어 가속을 통해 Whisper 모델을 초고속으로 실행. 무료 티어에서도 실시간에 가까운 변환 속도 제공.

2. 텍스트 분석 (LLM) 로직

• Gemini 1.5 Flash: API 응답 지연 시간(Latency)이 매우 짧아 사용자 인터랙션이 중요한 MVP 단계에 적합. 무료 할당량 내에서 충분한 테스트 가능.

# STT Model List Up

유료 모델

Google cloud

매월 한시간 무료 그 이후 결제 필요

Naver Clover

무료 모델

OpenAI - whisper

한국어 지원, WER : 10.32

Nvidia - canary

한국어 지원 x, WER : 5.63(현재 OpenSource 모델 중 가장 정확성이 좋음)

** WER(Word Error Rate, 단어 오차율) : 사람이 말한 문장과 AI가 인식한 문장의 편집 거리를 계산하여 나타내는 지표(낮을수록 좋음)**

LLM Model List Up

유료 모델

GPT-4o-mini

일반 문제 채점, 간단한 텍스트 피드백 용도

DeepSeek-V3

복잡한 CS 개념 설명, 모의면접 로직 용도

무료 모델

Gemini 1.5 Flash

분당 15회, 분당 100만 토큰까지 무료

MVP

속도 빠른 무료 모델들로 핵심 로직 구현

STT : ETRI API, Groq Whisper(무료티어)

LLM : Gemini 1.5 Flash