스트리밍 STT·Voice Agent — 실시간 음성
스트리밍 STT·Voice Agent — 실시간 음성
AssemblyAI는 라이브 오디오를 실시간 전사하는 Streaming Speech-to-Text API와, 음성을 그대로 받아 음성으로 답하는 Voice Agent API를 제공해요. 음성 비서, 라이브 자막, 콜센터 에이전트 어시스트에 적합해요.
스트리밍 STT
WebSocket으로 오디오를 계속 보내면 ~150ms p50 지연으로 텍스트 델타가 돌아와요. 라이브 캡션·실시간 에이전트 어시스트에 쓰여요.
Voice Agent API
완전 관리형 음성-음성 파이프라인이에요. 하나의 연결이 STT → LLM 추론 → TTS를 함께 처리해서, 약 1초의 엔드투엔드 지연으로 음성 에이전트를 만들 수 있어요. STT·LLM·TTS 스택을 직접 조립하지 않고 AssemblyAI가 전체를 관리하고 싶은 팀에 맞아요.
구조
- WebSocket 세션에서 오디오 업로드 + 이벤트 스트리밍
- 실시간 전사 이벤트와 최종(커밋) 전사 이벤트 구분
- Voice Agent는 발화 턴 감지·도구 호출·멀티턴을 하나의 API가 담당