FastAPI server wiki

💰 유료 모델 (Managed Services) 안정적인 API 환경과 기술 지원이 필요한 경우 권장됩니다.

1. Google Cloud Speech-to-Text 특징: 글로벌 언어 지원 범위가 매우 넓으며, V2 API를 통해 최신 모델 적용 가능.

과금: 매월 60분 무료 제공, 이후 사용량에 따라 결제 필요.

2. Naver CLOVA Speech 특징: 한국어 인식률에 있어서는 국내 최고 수준. 방송 자막, 긴 영상 분석 등에 최적화되어 있음.

구분:

CLOVA Speech: 고성능, 긴 음성 분석용.

CSR (CLOVA Speech Recognition): 짧은 음성 명령이나 단문 인식에 특화.

🆓 무료 모델 (Open Source) 서버 인프라를 직접 구축하거나 API 무료 티어를 활용하여 비용 없이 사용 가능합니다.

1. OpenAI - Whisper 성능: 한국어 지원, WER(단어 오차율) 약 10.32.

특징: 현재 전 세계적으로 가장 많이 쓰이는 오픈소스 모델. 다양한 사이즈(Tiny ~ Large-v3)가 있어 환경에 맞게 선택 가능.

2. Nvidia - Canary 성능: 한국어 미지원(영어, 독일어, 프랑스어 등 위주), WER 약 5.63.

특징: 현존하는 오픈소스 모델 중 정확도가 가장 높음. 다국어 혼합 환경에서 강점을 보임.

📚 용어 사전 WER (Word Error Rate, 단어 오차율)

사람이 말한 정답 문장과 AI가 인식한 문장 사이의 편집 거리(수정, 삽입, 삭제)를 계산한 지표입니다.

낮을수록 성능이 좋음을 의미합니다. (예: Canary(5.63) > Whisper(10.32))🧠 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.