회의 녹음, 인터뷰, 강의, 영상 자막처럼 소리를 글로 옮기는 일에 가장 많이 쓰여 온 것이 OpenAI의 AI 음성 인식 Whisper API(모델 이름 whisper-1)다. 그런데 2026년 8월 OpenAI가 이 모델의 API 지원을 끝낸다고 공지하면서, 지금 Whisper API를 붙이려는 사람과 이미 쓰고 있는 사람이 확인해야 할 것이 달라졌다. 이 글은 2026년 10월 29일 OpenAI 공식 문서(음성 인식 안내·지원 중단 목록·가격표·모델 설명)와 openai/whisper 저장소를 직접 열어 확인한 내용으로, 기본 호출부터 긴 녹음 자르기, 정확도 올리기, 타임스탬프, 그리고 2027년 2월 26일 종료 전에 옮길 곳까지 정리했다.

먼저 알아 둘 것 — OpenAI 지원 중단 목록의 «2026-08-26: Transcription models» 항목에 따르면 whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-4o-transcribe-diarize는 2027년 2월 26일 API에서 빠진다. 안내된 대체 모델은 gpt-transcribe(파일) 또는 gpt-live-transcribe(실시간)다. 새로 만드는 프로그램이라면 처음부터 대체 모델로 시작하는 편이 낫다.

Whisper API는 지금 어디에 있나 — 2026년 10월 모델 지도

Whisper는 OpenAI가 공개한 음성 인식(STT, Speech-to-Text) 모델이다. 쓰는 길은 둘이다. OpenAI 서버에 파일을 보내는 API, 그리고 공개된 모델을 받아 내 컴퓨터에서 돌리는 로컬 실행이다. 이번에 종료가 공지된 것은 앞의 API 쪽 whisper-1이고, GitHub에 공개된 오픈소스 Whisper 자체가 사라지는 것은 아니다. 이 둘을 섞어 «Whisper가 끝난다»고 읽으면 판단이 틀어진다.

음성 인식 안내 문서가 지금 권하는 모델은 gpt-transcribe다. 문서는 이 모델을 «녹음된 말을 원래 언어로 받아 적을 때 권장하는 모델»이라고 소개하고, 모델 설명 쪽에서는 완성된 파일, 스트리밍 파일 전사, 실시간 세션의 발화까지 받아 적는다고 적는다. 2026년 10월 29일 가격표와 모델 문서에서 확인한 값을 한 표로 모으면 다음과 같다.

모델 상태(2026-10-29) 분당 예상 요금 눈여겨볼 점
whisper-1 지원 중단 · 2027-02-26 종료 $0.006 단어·구간 타임스탬프(timestamp_granularities)는 이 모델만 · 프롬프트 224토큰 · 파일 스트리밍 안 됨
gpt-transcribe 권장 $0.0045 파일 스트리밍 · 맥락·핵심어·언어 힌트 · 응답에 감지 언어 목록
gpt-live-transcribe 대체 모델(실시간) $0.017 실시간 받아쓰기용
gpt-4o-transcribe / gpt-4o-mini-transcribe 지원 중단 · 2027-02-26 종료 $0.006 / $0.003 토큰 단위 요금도 함께 표시됨
gpt-4o-transcribe-diarize 지원 중단 · 2027-02-26 종료 $0.006 화자 구분 전용 · 프롬프트 지원 안 함

표의 요금은 OpenAI 가격표의 «분당 예상 비용» 칸 값이다. 실제 청구는 계정 등급과 사용 방식에 따라 달라질 수 있으니, 큰 작업을 시작하기 전에는 가격표를 한 번 더 열어 보는 편이 안전하다. 모델 이름과 상태도 바뀌는 속도가 빠른 영역이라, 이 글의 표는 «2026년 10월 29일에 확인한 값»으로 읽으면 된다.

기본 호출 — 파일 하나를 글로 바꾸기

호출 흐름은 단순하다. 오디오 파일을 준비하고, API 키를 넣은 클라이언트로 전사(transcriptions) 엔드포인트에 보내면 텍스트가 돌아온다. 공식 문서 기준으로 받는 파일 형식은 mp3, mp4, mpeg, mpga, m4a, wav, webm이고, 한 파일은 25MB까지다. API 키 발급과 파이썬 SDK 설치가 처음이라면 이 사이트의 OpenAI API 파이썬 실전 가이드에서 키 설정과 환경 변수 쪽을 먼저 보고 오면 아래 코드가 바로 읽힌다.

from openai import OpenAI

client = OpenAI()  # 환경 변수 OPENAI_API_KEY 를 읽음

with open("meeting.m4a", "rb") as f:
    result = client.audio.transcriptions.create(
        model="gpt-transcribe",   # 기존 코드는 "whisper-1"
        file=f,
    )

print(result.text)

기존 whisper-1 코드에서 모델 이름만 바꿔도 기본 전사는 그대로 돌아가는 구조다. 다만 «모델 이름만 바꾸면 끝»은 기본 텍스트에 한한 이야기다. 아래에서 다룰 타임스탬프, 프롬프트, 번역 엔드포인트는 모델마다 동작이 다르기 때문에, 지금 쓰는 옵션이 무엇인지부터 적어 두고 하나씩 맞춰 봐야 한다.

오디오 파일을 올리고 전사 결과를 받는 위스퍼 사용 흐름을 나타낸 도해
파일을 보내면 텍스트가 온다 — 기본 흐름은 모델이 바뀌어도 같다.

응답 형식 고르기

기본 응답은 text 칸 하나가 든 JSON이다. gpt-transcribe는 여기에 감지한 언어 목록(languages)을 함께 돌려준다. whisper-1은 verbose_json으로 구간·단어 정보를 받을 수 있고, API 설명은 응답을 순수 텍스트·srt·vtt 형식으로도 받을 수 있다고 적으면서 «지원 형식은 모델에 따라 다르다»고 덧붙인다. 자막 파일을 바로 뽑던 코드라면 새 모델에서 같은 형식이 나오는지 짧은 파일로 먼저 확인해야 하는 이유다.

긴 녹음 다루기 — 25MB를 넘을 때

한 시간짜리 회의 녹음은 형식에 따라 25MB를 쉽게 넘는다. 공식 안내가 제시하는 방법은 두 가지다. 하나는 압축률이 높은 형식으로 바꿔 크기를 줄이는 것, 다른 하나는 25MB 이하 조각으로 나눠 각각 보내는 것이다. 문서는 나눌 때 «문장 중간에서 자르지 말라 — 맥락이 사라져 정확도가 떨어질 수 있다»고 따로 적어 두었고, 나누는 도구의 예로 파이썬 PyDub 패키지를 든다(외부 도구라 OpenAI가 보증하지 않는다는 단서와 함께).

어디서 자를까

정해진 길이마다 기계적으로 자르면 문장이 끊긴 곳에서 단어가 잘리거나 앞뒤가 엉킨다. 실무에서 흔히 쓰는 방법은 말이 멈춘 구간, 곧 무음 구간을 경계로 자르는 것이다. 오디오 도구로 일정 크기 이하 소리가 일정 시간 이어지는 지점을 찾고, 그 지점 가운데 목표 크기에 가까운 곳을 고른다. 이렇게 하면 문서가 말한 «문장 중간에서 자르지 않기»를 대부분 지킬 수 있다.

이어 붙일 때 시간 보정

조각마다 따로 전사하면 각 조각의 시간 정보는 0초부터 다시 시작한다. 자막이나 «몇 분 몇 초에 나온 말» 같은 색인을 만들 생각이라면, 앞 조각들의 길이를 누적해 뒤 조각의 시간에 더해 줘야 한다. 이 보정을 빠뜨리면 자막이 뒤로 갈수록 어긋난다. 조각 경계에서 한두 단어가 겹치거나 빠지는 일도 생기므로, 경계를 조금 겹치게 잘라 두고 이어 붙일 때 겹친 부분을 정리하는 방식이 안전하다.

조각을 나눌 때 같이 챙길 것

정확도 올리기 — 프롬프트와 언어 지정

whisper-1의 프롬프트는 «지시»가 아니다

whisper-1에도 prompt 칸이 있지만, 공식 안내는 이 모델이 일반 언어 모델처럼 지시를 따르지 않는다고 적는다. 프롬프트는 224토큰까지만 받고, 그래서 제품 코드처럼 긴 용어 목록을 넣기는 어렵다. 문서는 긴 용어 목록이 필요하면 전사 뒤에 텍스트 모델로 후처리하라고 권한다. 짧게 쓰자면, whisper-1 프롬프트에는 «이런 낱말이 나온다»는 힌트 몇 개를 넣는 정도가 맞다.

gpt-transcribe는 맥락·핵심어·언어 힌트를 받는다

gpt-transcribe 모델 설명은 이 모델이 맥락, 핵심어 힌트, 언어 힌트를 받아 전문 용어, 여러 언어가 섞인 음성, 말 도중 언어가 바뀌는 경우를 더 잘 받아 적는다고 소개한다. 언어 힌트는 이전의 단수 language 칸 대신 languages를 쓰고, ISO 639-1 코드(한국어는 ko) 등을 받으며 틀린 코드는 요청 자체가 거절된다. 한국어 회의에 영어 제품명이 섞이는 경우라면 ko와 en을 함께 힌트로 주는 식이다. 정확한 칸 이름과 형식은 쓰는 SDK 판에 따라 다를 수 있으니 음성 인식 안내의 예제를 그대로 따르는 편이 안전하다.

모델보다 녹음이 먼저

어떤 모델을 쓰든 결과를 가장 크게 바꾸는 것은 녹음 품질이다. 배경 소음을 줄이고, 소리 크기를 고르게 맞추고, 사람마다 마이크를 따로 쓸 수 있으면 그렇게 한다. 사람마다 채널이 나뉜 녹음이라면 채널별로 따로 전사하는 것만으로도 «누가 말했나» 문제를 상당 부분 덜 수 있다. 녹음 단계에서 풀 수 있는 문제를 후처리로 풀려고 하면 대개 일이 커진다.

타임스탬프·화자 구분·번역 — 모델마다 다른 것

단어 타임스탬프는 whisper-1만

자막을 만들거나 «이 낱말이 몇 초에 나왔나»를 찍어야 한다면 timestamp_granularities[] 매개변수를 쓴다. verbose_json 응답과 함께 word 또는 segment를 고르는 방식이다. 그런데 2026년 10월 29일 확인한 음성 인식 안내에는 이 매개변수가 whisper-1에서만 지원된다고 적혀 있다. 단어 단위 시간에 기대는 서비스라면, 옮기기 전에 새 모델이 같은 정보를 주는지 문서와 실제 응답으로 먼저 확인해야 한다.

result = client.audio.transcriptions.create(
    model="whisper-1",
    file=f,
    response_format="verbose_json",
    timestamp_granularities=["word"],
)
for word in result.words:
    print(word)

화자 구분은 전용 모델이 따로 있었다

예전 Whisper API의 가장 큰 빈칸은 «누가 말했는지»였다. 이 빈칸을 메우려고 나온 것이 gpt-4o-transcribe-diarize다. 응답 형식 diarized_json으로 화자 표시가 붙은 구간을 돌려주고, 30초가 넘는 음성에는 chunking_strategy를 auto 등으로 정해야 한다. 이미 아는 사람이라면 이름(known_speaker_names[])과 2~10초 길이의 목소리 견본(known_speaker_references[])을 최대 4개까지 줄 수 있다. 다만 이 모델도 2027년 2월 26일 종료 목록에 있고, 안내 문서는 이 모델이 일반 전사용 권장 모델은 아니라고 적는다. 10월 29일 기준 문서에는 이를 대신할 화자 구분 전용 모델이 따로 이름으로 나와 있지 않았다. 화자 구분이 꼭 필요한 회의록이라면 이 부분을 가장 먼저 시험해 봐야 한다.

번역 엔드포인트도 함께 정리된다

외국어 음성을 영어 글로 바로 바꿔 주던 /v1/audio/translations는 whisper-1을 쓰고, 영어 글만 돌려준다. 이 엔드포인트도 2027년 2월 26일까지만 쓸 수 있고, 지원 중단 목록이 안내한 대체는 실시간 번역(v1/realtime/translations)이다. 음성 인식 안내는 «번역 요청에서 모델 이름만 바꾸는 것으로는 옮겨지지 않는다»고 따로 못 박아 두었다.

2027년 2월 26일 전에 할 일 — 옮기기 점검표

이미 whisper-1을 쓰는 프로그램이 있다면, 아래 순서로 보면 놓치는 곳이 줄어든다.

  1. 쓰는 곳 찾기 — 코드와 설정에서 whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-4o-transcribe-diarize, audio/translations를 모두 찾는다.
  2. 쓰는 옵션 적기 — response_format(srt·vtt·verbose_json), timestamp_granularities, prompt, language를 어디서 쓰는지 적는다.
  3. 짧은 견본으로 비교 — 실제 녹음에서 몇 분짜리 견본을 골라 지금 모델과 gpt-transcribe 결과를 나란히 놓고, 고유명사·숫자·문장 부호를 본다.
  4. 빠지는 기능 대책 — 단어 타임스탬프나 화자 구분처럼 새 모델에서 확인되지 않는 기능은 대체 방법(로컬 Whisper, 채널별 녹음, 후처리)을 정한다.
  5. 요금 다시 셈 — 아래 «비용 어림» 방식으로 한 달 처리량을 다시 계산한다.
  6. 날짜 박아 두기 — 종료일보다 넉넉히 앞서 바꿔 두고, 지원 중단 목록을 가끔 다시 열어 일정이 바뀌었는지 본다.

로컬 Whisper — API 대신 내 PC에서 돌리기

API 종료와 별개로, Whisper는 GitHub의 openai/whisper 저장소에 코드와 모델 가중치가 MIT 라이선스로 공개돼 있다. 그래픽카드가 있으면 요금 없이 돌릴 수 있고, 음성이 밖으로 나가지 않으니 상담 녹음이나 사내 회의처럼 외부로 보내기 곤란한 음성에 맞다. 저장소 README의 모델 표를 옮기면 다음과 같다.

크기 매개변수 필요 VRAM(약) 상대 속도
tiny39M1GB약 10배
base74M1GB약 7배
small244M2GB약 4배
medium769M5GB약 2배
large1550M10GB1배(기준)
turbo809M6GB약 8배

명령줄에서는 whisper audio.mp3 --model turbo처럼 파일과 모델 크기를 주면 된다. 한 가지 함정은 turbo는 번역용으로 학습되지 않았다는 점이다. README는 turbo에 --task translate를 줘도 원래 언어로 돌려준다고 적는다. 영어 번역까지 로컬에서 하려면 medium이나 large 같은 다국어 모델을 고른다. 내 PC에서 AI 모델을 돌리는 환경 자체가 처음이라면 로컬 LLM Ollama 설치 활용 가이드에서 GPU·메모리 점검 순서를 먼저 보는 것도 도움이 된다.

로컬과 API 중 무엇이 싼지는 처리량에 달렸다. 가끔 짧은 파일을 처리한다면 장비를 갖출 필요 없는 API가 편하고, 매일 몇 시간씩 꾸준히 돌린다면 로컬이 유리해지기 쉽다. 정확도가 얼마나 필요한지도 먼저 정한다. 작은 모델은 빠르지만 고유명사와 잡음에 약하므로, «가장 큰 모델로 돌리고 느리다고 불평하기»보다 필요한 정확도에 맞는 크기를 고르는 편이 낫다.

비용 어림 — 분당 단가로 계산하기

전사 요금은 음성 길이 기준이라 계산이 쉽다. 가격표의 분당 예상 비용으로 60분 녹음 하나를 셈하면 whisper-1은 0.006 × 60 = $0.36, gpt-transcribe는 0.0045 × 60 = $0.27이다. 같은 녹음을 매일 하나씩 한 달(30일) 처리하면 각각 $10.8, $8.1 정도가 된다. 실시간용 gpt-live-transcribe는 분당 $0.017이라 같은 60분이면 $1.02로, 실시간이 꼭 필요한 곳에만 쓰는 편이 맞다.

요금을 줄이는 방법은 대부분 «덜 보내기»다. 말이 없는 긴 무음 구간을 미리 잘라 내고, 시험 단계에서는 짧은 견본으로만 돌리고, 같은 파일을 다시 보내지 않게 결과를 저장한다. 전사 뒤에 용어 통일·문장 정리를 언어 모델에 맡길 때는 원문에 없던 문장이 끼어들지 않도록 전사본과 정리본을 따로 보관한다. 정리한 글을 영상 대본으로 다시 다듬는 흐름은 ChatGPT로 유튜브 대본 쓰는 법에서 이어 볼 수 있다.

개인정보가 담긴 음성 — 상담·의료·인사 관련 녹음은 외부 API로 보내도 되는지 조직의 규칙부터 확인한다. 보내기 곤란하면 앞에서 본 로컬 Whisper가 대안이다.

자주 묻는 것

whisper-1은 언제까지 쓸 수 있나요?

OpenAI 지원 중단 안내(2026년 8월 26일 공지)에 따르면 whisper-1은 2027년 2월 26일 API에서 빠집니다. 같은 날 gpt-4o-transcribe·gpt-4o-mini-transcribe·gpt-4o-transcribe-diarize와 /v1/audio/translations 엔드포인트도 함께 빠지며, 안내된 대체 모델은 gpt-transcribe 또는 gpt-live-transcribe입니다.

25MB보다 큰 녹음 파일은 어떻게 올리나요?

공식 안내는 두 가지입니다. 압축률이 높은 형식으로 바꿔 크기를 줄이거나, 25MB 이하 조각으로 나눠 각각 보냅니다. 나눌 때는 문장 중간에서 자르지 않는 것이 좋다고 문서가 따로 적어 두었습니다.

gpt-transcribe로 바꾸면 단어 타임스탬프도 그대로 나오나요?

2026년 10월 29일 확인한 음성 인식 안내에는 timestamp_granularities 매개변수가 whisper-1에서만 지원된다고 적혀 있습니다. 단어 단위 시간이 꼭 필요한 자막 작업이라면 옮기기 전에 지금 쓰는 출력 형식이 새 모델에서도 되는지 짧은 파일로 먼저 시험해 보는 편이 안전합니다.

로컬 Whisper는 그래픽카드 메모리가 얼마나 필요하나요?

openai/whisper 저장소 표 기준으로 tiny·base는 약 1GB, small 약 2GB, medium 약 5GB, turbo 약 6GB, large 약 10GB입니다. 코드와 모델 가중치는 MIT 라이선스로 공개돼 있습니다.

정리 — 지금 Whisper API를 쓴다면

새로 만든다면 gpt-transcribe로 시작하고, 이미 whisper-1을 쓰고 있다면 2027년 2월 26일 전에 타임스탬프·화자 구분·번역처럼 모델마다 다른 기능부터 점검한다. 25MB 한도와 «문장 중간에서 자르지 않기»는 모델이 바뀌어도 그대로 챙길 일이고, 외부로 보내기 곤란한 음성은 MIT 라이선스의 로컬 Whisper로 돌릴 수 있다. 모델 이름과 요금은 자주 바뀌니, 큰 작업 전에는 공식 지원 중단 목록과 가격표를 다시 열어 보는 습관이 가장 확실한 대비다.

Whisper API 활용법 대표 그림 — 왼쪽에 «Whisper API 활용법 · 종료 일정과 전환» 제목이 있고, 오른쪽에서 헤드폰을 쓴 작은 로봇이 마이크에서 나온 소리 물결을 듣고 그 물결이 종이 위 가지런한 줄로 바뀌는 음성 인식 개념 장면
Whisper API 활용법 — 종료 일정과 gpt-transcribe 전환.

참고 자료

  1. OpenAI. Speech to text 안내 — 권장 모델 gpt-transcribe, 파일 25MB·형식 7가지, 긴 파일 압축·분할과 «문장 중간에서 자르지 말 것», whisper-1 프롬프트 224토큰, timestamp_granularities는 whisper-1만, languages 힌트, 화자 구분 모델·chunking_strategy·견본 4개(2026-10-29 확인). developers.openai.com
  2. OpenAI. Deprecations — «2026-08-26: Transcription models» 항목, 2027-02-26 종료와 대체 모델(2026-10-29 확인). developers.openai.com
  3. OpenAI. Pricing — 전사 모델별 분당 예상 비용(2026-10-29 확인). developers.openai.com
  4. OpenAI. GPT-Transcribe 모델 설명 — 파일·실시간 전사, 맥락·핵심어·언어 힌트, 분당 $0.0045(2026-10-29 확인). developers.openai.com
  5. OpenAI. openai/whisper 저장소 README — 모델 크기·매개변수·VRAM·상대 속도 표, turbo 번역 미학습, MIT 라이선스(2026-10-29 확인). github.com