전사 비용을 산정하고 있다면, 솔직히 말해 Google Speech-to-Text에는 단일한 정가가 존재하지 않습니다. 2026년 10월 6일 기준(USD), 핵심 클라우드 API는 매월 60분 무료로 시작하며, 이후에는 데이터 로깅이 활성화된 표준 모델에서 오디오 1분당 약 $0.016를 청구합니다. 이는 다른 Google Cloud 요금을 제외하고 시간당 대략 $0.96에 해당합니다. 그러나 이 숫자는 시작점일 뿐입니다. 실제 청구액은 API 버전, 로깅 선택, 스토리지, 네트워킹, 그리고 오디오가 요청 단위로 어떻게 분할되는지에 따라 달라지기 때문입니다. 이 분석에서는 google speech to text 요금의 배경이 되는 요인들, 분당 요율이 포함하는 것과 포함하지 않는 것, 그리고 이 분 단위 계산이 당사의 크레딧 기반 Speech to Text 워크플로우와 어떻게 비교되는지 살펴봅니다.
목차
솔직한 가격 범위와 단일 정액 요금이 존재하지 않는 이유
클라우드 API에 표준 로깅 오디오를 전송하는 일반적인 크리에이터의 경우, 추가 Google Cloud 서비스가 개입하기 전까지 전사된 오디오 시간당 유효 범위는 $0에서 약 $0.96 사이에 위치합니다. 무료 구간은 청구 계정당 매월 처음 60분의 오디오를 포함하며, 그 이상부터는 2026년 10월 6일 기준으로 1분당 $0.016 USD가 청구됩니다. 60분에 이 요율을 곱하면 시간당 약 $0.96의 수치가 나옵니다.
보편적인 정액 요금이 존재하지 않는 이유는 최종 금액을 변동시키는 여섯 가지 변수 때문입니다. 무료 구간을 초과하여 전송하는 청구 가능 분 수, 데이터 로깅 활성화 여부, 선택하는 API 버전과 모델, 클라우드에서 실행하는지 On-Prem 옵션에서 실행하는지, 연결하는 다른 Google Cloud 서비스의 수, 그리고 각 요청을 청구 가능한 초 단위로 변환하는 반올림 규칙입니다. 이 모든 요소가 계정마다 달라지고 시간이 지나면서 변할 수 있으므로, 어떤 예산이든 기억 속의 숫자가 아니라 현재 Google Cloud 가격 페이지와 실제 월간 사용량을 기준으로 삼아야 합니다.
Google이 클라우드 Speech-to-Text 요금을 청구하는 방식
Google은 클라우드 Speech-to-Text 요금을 성공적으로 처리된 오디오 양을 기준으로 책정하며, 이는 문자 수가 아닌 시간으로 측정됩니다. 청구 단위는 대부분의 기획 스프레드시트가 가정하는 것보다 더 중요합니다. Speech-to-Text 릴리스 노트에 따르면, 2026년 기준 모든 모델은 동일한 규칙으로 청구됩니다. 각 요청은 최소 오디오 길이 없이 가장 가까운 1초 단위로 반올림됩니다. 이는 각 요청을 가장 가까운 15초 단위로 반올림하던 이전 방식을 대체한 것으로, 이 방식은 여전히 일부 On-Prem 참고 자료와 오래된 예시에 나타납니다.
1초 단위 반올림은 짧은 콘텐츠의 경제성을 바꿉니다. 3초짜리 소셜 후크나 마이크로러닝 클립은 15초가 아닌 3초로 청구되므로, 여러 짧은 파일을 게시하는 크리에이터는 더 이상 각 요청마다 패딩 페널티를 지불하지 않습니다.
무료와 유료 구분에 대해, Google은 청구 계정당 매월 처음 60분의 오디오가 무료인 표준 "데이터 로깅 포함" SKU를 제공합니다. 그 이후에는 2026년 10월 6일 기준 추가되는 매 1분마다 $0.016 USD가 청구됩니다.
데이터 로깅은 그 자체로 하나의 비용 요소입니다. Google은 역사적으로 모델 개선을 위한 로깅에 동의하는지 여부에 따라 서로 다른 요율을 제공합니다. Google Cloud 문서를 기반으로 한 제3자 요약에 따르면, 표준 모델은 로깅이 활성화된 경우 15초당 약 $0.004(1분당 약 $0.016), 로깅이 없는 경우 15초당 약 $0.006(1분당 약 $0.024)로 보고됩니다. 비로깅 요율이 공개 가격 스니펫에 완전히 노출되어 있지 않으므로, 이를 "로깅보다 약간 높은" 것으로 간주하고 예산을 확정하기 전에 현재 가격 페이지에서 정확한 수치를 확인하십시오.
API 버전과 기능 세트도 논의에 포함됩니다. Google의 주요 Speech-to-Text 페이지는 가격이 API 버전, 채널, 배치 방식에 따라 달라진다고 명시하며, Chirp 모델과 데이터 레지던시 옵션을 포함한 V2 API를 설명하는데, 특정 사용 사례에 대해 1분당 약 $0.016로 책정되어 표준 로깅 요율과 일치합니다. 감사 로깅이나 고객 관리 암호화 키 같은 기능은 버전마다 다르지만, 핵심 가격 요인은 일정하게 유지됩니다. 즉, 콘텐츠 유형이나 언어가 아니라 처리된 오디오의 분 수입니다.
또한 On-Prem 옵션도 있는데, 월별 처리된 오디오를 기준으로 가격이 책정되며 요청은 15초 단위로 반올림됩니다. Google의 On-Prem 페이지는 7초짜리 요청 3개가 45초(3 × 15초)로 청구되어 총 $0.018 USD가 되는 예시를 보여주는데, 이는 15초당 약 $0.006, 즉 해당 청구액에서 계산된 추정치로 1분당 대략 $0.024의 유효 요율을 의미합니다. On-Prem은 폐쇄적이고 자체 관리되는 환경을 위해 구축되었으며, 일반적으로 엄격한 데이터 레지던시 또는 오프라인 요구 사항을 가진 규제 대상 기업에만 중요합니다.
분당 요율에 포함되는 것과 제외되는 것
분당 가격은 스택의 특정 부분을 구입하는 것입니다. 여기에는 선택한 모델(표준, Chirp 등)을 사용한 오디오의 텍스트 전사, 선택한 버전과 구성에 따른 배치 또는 스트리밍 인식 액세스, 그리고 표준 로깅 클라우드 사용에 대한 월 60분 무료 구간이 포함됩니다. 신규 Google Cloud 계정은 또한 여러 서비스에 걸친 개념 증명을 위한 일반 $300 USD 크레딧을 받는 경우가 많으며, 이는 초기 테스트 중 Speech-to-Text에 적용할 수 있습니다.
분당 요율에 포함되지 않는 것들이 바로 예상치 못한 비용이 숨어 있는 곳입니다:
- 오디오 파일을 보관하는 데 사용되는 Cloud Storage.
- 오디오와 전사본을 제공하거나 내보내기 위한 네트워크 이그레스.
- Cloud Functions, Pub/Sub, 데이터베이스 등 파이프라인 내 다른 Google Cloud 서비스.
- 세금 및 지역별 청구 조정.
Google은 또한 음성 및 텍스트 API를 사용하려면 결제를 활성화하도록 요구하지만, 무료 할당량이나 계정의 일반 크레딧을 초과하지 않는 한 요금이 청구되지 않습니다. "동영상을 업로드하고, 전사본을 얻은 다음, 더빙한다"는 실제 목표를 가진 크리에이터에게 이러한 제외된 인프라 비용은 깔끔한 분당 항목과 지속적인 모니터링이 필요한 다중 서비스 청구서 사이의 차이를 만듭니다.
분 단위 청구 vs. 당사의 크레딧 기반 Speech to Text
당사의 Speech to Text는 AI 더빙, 음성 복제, Text to Speech, Speech Separator, Text to Image, Image to Video도 포함하는 하나의 미디어 제작 및 현지화 플랫폼 안에 자리잡고 있습니다. 분당 인프라 청구 대신, 당사는 이월이 가능한 플랫폼 크레딧, 무료 구간, 그리고 엔터프라이즈 요금제를 사용합니다. 그 구조적 차이가 바로 실제 비교 지점이며, 단일 숫자에 대한 정면 대결이 아닙니다.
| 항목 | Google 클라우드 Speech-to-Text | 당사의 Speech to Text |
|---|---|---|
| 청구 단위 | 계정당 오디오의 분/초, USD 단위 | 여러 도구에 사용 가능한 플랫폼 크레딧 |
| 범위 | 직접 조립하는 전사 인프라 | 현지화 파이프라인의 한 단계로서의 전사 |
| 추가 비용 | 스토리지, 네트워킹, 기타 Cloud 서비스가 별도 청구됨 | 단일 크레딧 잔액 내에서 처리됨 |
| 예산 형태 | 분 수에 클라우드 사용량을 더해 선형적으로 확장 | 이월되는 사전 구매 크레딧 |
| 최적 대상 | 깊은 API/인프라 제어를 원하는 개발자 | 하나의 워크플로우를 원하는 크리에이터와 개발자 |
실질적인 결론은 예측 가능성입니다. 분 단위 청구에서는 처리된 오디오와 사용하는 모든 다른 Cloud 제품에 따라 비용이 선형적으로 확장되므로, 사용량 지표와 로그를 지속적으로 모니터링해야 합니다. 크레딧에서는 잔액을 사전 구매하고, 여러 도구에 걸친 소비를 추적하며, 사용하지 않은 것은 이월하므로, 한 달 동안 동영상, 팟캐스트, 강좌가 혼합될 때 예측을 단순화합니다. 당사는 두 사용자층을 모두 지원합니다. 크리에이터는 단일 인터페이스를 얻고, 개발자는 Text to Speech 및 AI 더빙과 함께 당사 API를 통해 전사를 통합할 수 있습니다.
전사가 기계적으로 어떻게 작동하는지 다시 설명하는 대신, 오디오를 텍스트로 전사하는 방법과 speech to text API 선택하기에 대한 당사 가이드가 워크플로우를 다룹니다. 이 페이지는 비용 계산용으로 활용하십시오.
신뢰할 수 있는 견적을 위해 필요한 정확한 입력 정보
클라우드 측에서 google speech to text 요금을 실제 월간 예산으로 전환하려면 여덟 가지 입력 정보를 수집하십시오. 프로젝트 및 계정당 월별 예상 청구 가능 분 수(처음 무료 60분 이후), 데이터 로깅 결정, API 버전과 모델, 배치 인식/스트리밍/둘 다 사용 여부, 오디오 채널 구성(모노 vs. 스테레오 및 채널 수), 원본 오디오와 전사본에 대한 스토리지 전략, 해당 파일 내보내기를 위한 네트워크 이그레스 계획, 그리고 요청 구성의 반올림 영향(많은 짧은 클립 vs. 적은 긴 파일)입니다. 이들을 가지고 청구 가능 분 수에 올바른 USD 요율을 곱하고 별도의 인프라 항목을 더합니다.
당사 측에서 동일 조건의 견적을 위해서는, 콘텐츠 유형별로 매월 전사할 것으로 예상되는 총 분 수, 전사와 더빙을 결합하는 경우 소스 및 대상 언어, 동일한 워크플로우에서 음성 복제, Text to Speech, Speech Separation, 또는 Image to Video도 사용할 계획인지 여부, 팀 규모와 동시성, API와 대시보드 사용 간의 비율, 그리고 품질 기준(편집용 전사본 vs. 제작 준비된 자막)을 알려주십시오. 이러한 답변을 통해 당사는 제품별 별도 분 예산 대신 하나의 잔액 아래에서 전사와 관련 도구를 포괄하는 크레딧 번들을 추천할 수 있습니다. 이 중 아직 알 수 없는 것이 있다면, 가지고 계신 정보를 보내주시면 그에 맞춰 번들 규모를 산정해 드리겠습니다.
실제 가격 계산 예시
아래의 모든 수치는 Google이 공개한 분당 요율을 사용한 단순화된 추정치이며 데이터 로깅이 활성화된 표준 모델을 가정합니다. 실제 청구액은 모델 선택, 로깅, 기타 서비스에 따라 달라지며, Cloud Storage 및 네트워크 비용은 제외합니다.
YouTube 크리에이터, 매주 20분짜리 동영상 1개. 월간 오디오는 4 × 20 = 80분입니다. 처음 60분은 무료이므로, 청구 가능한 20분이 $0.016로 남아, 월 전사 비용은 약 $0.32로 추정됩니다.
팟캐스트 제작자, 월 10시간. 이는 600분이며, 무료 60분을 제외하면 청구 가능한 540분이 남습니다. 추정치는 540 × $0.016 = 월 $8.64입니다.
교육 팀, 월 50시간의 웨비나. 이는 3,000분이며, 무료 60분을 제외하면 청구 가능한 2,940분이 남아, 추정치는 2,940 × $0.016 ≈ 월 $47.04입니다.
이들 각각은 전사 요금만을 보여줍니다. 클라우드 측에서 스토리지와 이그레스를 더하고, 전사본이 더빙과 보이스오버로 이어지는 혼합 현지화 월이 바로 단일 이월 크레딧 잔액이 원활하게 처리하도록 만들어진 시나리오라는 점을 기억하십시오.
자주 묻는 질문
Google Speech-to-Text는 무료인가요?
Google은 청구 계정당 데이터 로깅이 활성화된 표준 모델에서 매월 60분의 전사를 무료로 제공합니다. 신규 Cloud 사용자는 또한 Google 서비스 전반에 걸친 광범위한 실험을 위한 별도의 $300 USD 크레딧을 받을 수 있습니다.
향상된 모델이 표준 모델보다 더 비싼가요?
아닙니다. Google의 릴리스 노트에 따르면 향상된 모델은 더 이상 표준 모델과 다른 가격으로 책정되지 않습니다. 모든 모델의 사용은 표준 모델과 동일하게 보고되고 가격이 책정됩니다.
이제 짧은 클립은 어떻게 청구되나요?
모든 클라우드 Speech-to-Text 요청은 최소 오디오 길이 없이 가장 가까운 1초 단위로 반올림되며, 이는 클라우드 사용에 대한 기존 15초 반올림을 대체합니다. On-Prem 참고 자료는 여전히 15초 단위를 사용할 수 있습니다.
분당 가격에 스토리지와 네트워킹이 포함되나요?
아닙니다. 분당 요율은 전사만을 포함합니다. Cloud Storage, 네트워크 이그레스, 기타 Google Cloud 서비스는 각자의 가격 정책에 따라 별도로 청구됩니다.
이것이 당사의 Speech to Text와 어떻게 비교되나요?
Google은 별도의 인프라 비용과 함께 오디오의 분(또는 초)당 요금을 청구하는 반면, 당사는 하나의 워크플로우 안에서 Speech to Text와 더빙, text to speech, 음성 복제 및 관련 도구를 포괄하는 크레딧 기반 모델을 사용하며, 이월 크레딧과 대규모 팀을 위한 엔터프라이즈 옵션을 제공합니다.