assembl%yAi, whisper, google stt 등.. 음성을 텍스트로 바꿔주는 api 서비스들은 많은데 


하나씩 보면 단점 하나 때문에 서비스 상용화가 애매함..


우리가 원하는건 실시간 자막이나 동시 통역이니 pre-record 방식은 제외하겠음. (오디오파일 녹음해서 파일 갔다주고 번역 및 텍스트 생성 하는 방식) 



assembl%y -> streaming api 성능 나름 괜찮음. universal 모델들 괜찮은데 영어만 지원함. 



whisper -> 현존 stt 모델들 중 성능은 최강인거 같은데 화자 분리가 안됨 ( 사내 미팅 및 다중사용자 사용간에는 힘듬)


google stt -> 화자 분리가 안됨. 근데 다국어 언어감지나 인식 성능은 굿 




아마 이번에 구글 io에서 시연한 google meet 같은경우는 


미리 api 셋업을 각 언어로 대기시켜서 나온 결과인거같음. (영어 스페인어만 지원한다는거보면) 



근데 2인 이상인 다자간 회의 상황에서 말이 겹치거나 하면 성능 수직하락하는게 너무 아쉽다.


개인적으로 이정도 통역은 빠른시간안에 정복될줄알았는데.. 은근 갈길이 멀어보임