전사는 목소리를 구분하지만 어느 쪽이 상담원인지는 알지 못합니다. 상담원을 본인 통화 하나에서 한 번만 저장해 두면, 이후의 모든 통화가 상담원 이름, 맨 위의 요약, QA에 바로 쓸 수 있는 스프레드시트와 함께 돌아옵니다.
통화를 들으면서 검토하는 QA 담당자는 하루에 몇 건밖에 처리하지 못하고, 7분짜리 통화는 아무리 빨리 클릭해도 7분이 걸립니다. 텍스트로 읽으면 같은 통화가 약 천 단어, 한 페이지입니다. 한 페이지는 훑어보고, 검색하고, 티켓에 붙여 넣을 수 있습니다. 고객 서비스 통화 전사는 전화 시스템이 이미 보관하고 있는 녹음을 이런 페이지로 바꿔 줍니다. 그 페이지가 쓸모 있는지는 세 가지가 좌우합니다. 각 줄에 상담원인지 고객인지 누가 말했는지가 표시되는가, 통화마다 무엇을 물었고 무엇에 합의했는지에 대한 짧은 요약이 붙는가, 결과가 팀이 일하는 곳, 곧 CRM 메모나 QA 스프레드시트에 도착하는가입니다.
이 글은 VocalStack으로 그 작업 흐름을 따라갑니다. API로 보낸 녹음된 통화, 이름으로 인식되는 상담원, 통화마다 작성되는 요약, JSON과 Excel 내보내기입니다. 첫 통화를 업로드하기 전에 알아 두어야 할 내용도 있으므로, VocalStack이 지원팀을 위해 하지 않는 일도 솔직하게 적었습니다.
대부분의 전화 및 콘택트 센터 시스템은 통화 녹음을 오디오 파일로 내보내거나 각 녹음의 다운로드 링크를 제공합니다. 둘 다 사용할 수 있습니다. POST /v1/transcriptions는 파일을 멀티파트 업로드로 받거나, 서버가 직접 내려받는 url이 담긴 JSON 본문을 받습니다. 파일 튜토리얼에서 호출을 자세히 다루며, 통화에서는 다음 설정이 중요합니다. 모두 settings 안에 있습니다.
speakerLabels: on으로 설정하면 두 사람의 통화에서 모든 줄에 화자가 붙습니다. 기본값인 When Needed(auto)는 두 번째 화자가 들린 뒤에야 줄에 레이블을 붙이므로 통화보다는 강연에 더 맞습니다.summary와 title: 요청하지 않으면 둘 다 꺼져 있습니다. 켜면 통화가 전사된 뒤 제목과 짧은 요약이 작성됩니다.spokenLanguage: 한 가지 언어의 통화만 받는 대기열처럼 언어를 알고 있다면 지정하세요. 생략하면 100개 언어 중에서 감지합니다.업로드는 즉시 전사 id로 응답하고, 단어는 조금 뒤에 나옵니다. 업로드마다 Idempotency-Key를 보내세요. 24시간 안에 같은 키와 본문으로 재시도하면 두 번째 전사를 만들어 두 번 청구하는 대신 첫 번째 전사를 돌려줍니다. 전화 시스템이 부여한 통화 자체의 id가 자연스러운 키입니다.
import { VocalStack } from '@vocalstack/js-sdk';
const vs = new VocalStack({ baseUrl: '{{api}}', apiKey: process.env.VOCALSTACK_API_KEY });
const tx = await vs.transcriptions.create(
{
file: './calls/48213.mp3',
name: 'Ticket 48213',
settings: { speakerLabels: 'on', summary: true, title: true },
},
{ idempotencyKey: 'call-48213' },
);
const job = await vs.transcriptions.waitForJob(tx.id, { intervalMs: 5000 });
if (job.state !== 'done') throw new Error(`call 48213: ${job.state} ${job.error ?? ''}`);
하룻밤 동안의 녹음을 한 번의 반복문으로 올릴 수 있습니다. 요금제마다 동시에 실행되는 전사의 수가 정해져 있고, 그 수를 넘는 파일은 거부되지 않습니다. 파일이 만들어져 queued 상태로 기다리다가 앞선 전사가 끝나면 저절로 시작됩니다. 부딪힐 수 있는 한도는 계정이 API로 한 시간에 시작할 수 있는 전사의 수이며, 요금제별 수치는 요금제 페이지에 있습니다. 웹훅은 없으므로 스크립트가 작업이 끝날 때까지 직접 조회해야 하고, waitForJob이 이를 대신해 줍니다.
화자 레이블은 화자 분리에서 나옵니다. 녹음을 발화 단위로 나누고, 발화를 목소리에 따라 묶습니다. 결과는 "Speaker 1"과 "Speaker 2"입니다. 시스템은 두 목소리를 구별할 수 있지만, 오디오에는 그중 누가 우리 직원인지 알려 주는 정보가 없습니다. 화자 분리 대 음성 인식에서 원리를 설명합니다. 고객 지원 통화에서의 실용적인 답은 상담원을 한 번씩 저장해 두는 것입니다.
저장된 화자는 이름이 붙은 음성 지문입니다. 한 번 만들어 두면 계정의 모든 새 전사가 들리는 목소리를 저장된 화자와 비교하고, 일치하면 그 이름이 전사본에 들어갑니다. 파일은 자동으로 일치 검사를 하므로 상담원의 줄이 "Speaker 1" 대신 "Dana"로 도착합니다. 고객은 이름을 붙여 주기 전까지 번호로 남습니다.
지문은 책상에서 따로 녹음한 음성이 아니라 상담원의 실제 통화 하나에서 만드세요. 조용한 방에서 헤드셋으로 녹음한 목소리와 같은 목소리를 전화선으로 들은 것은, 같은 방식으로 녹음한 서로 다른 두 사람보다 기계에게 덜 비슷하게 들릴 수 있으며, 지문은 자신이 만들어진 오디오와 비슷한 오디오에 가장 잘 일치합니다. POST /v1/speakers/from-appearance는 전사에서 그 화자의 통화 구간을 샘플로 삼아 화자를 바로 저장합니다. appearance는 그 화자의 줄에 붙은 speaker 인덱스입니다.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
이 방법으로 화자를 저장하면 그 사람의 발화 5초 이상에서 얻은 지문만 보관됩니다. 상담원이 1분 이상 말한 통화라면 더 안정적인 지문이 만들어집니다. 음성 복제는 본인의 동의가 필요한 별도의 단계이며, 고객 지원 작업 흐름에는 필요하지 않습니다.
그 뒤로는 끝난 통화의 전사본이 누가 인식됐는지 알려 줍니다. GET /v1/transcriptions/{id}/transcript는 speakers를 나열하며, 저장된 화자와 일치한 화자에게는 identified: true와 저장된 이름이 붙습니다. 나머지는 호출 한 번으로 이름을 붙일 수 있습니다. PUT /v1/transcriptions/{id}/appearances/{number}이며 number는 화자의 표시 번호입니다. 이름은 전사에 저장되므로 이후의 모든 내보내기에는 번호 대신 "Customer"가 표시됩니다.
const { speakers } = await vs.transcriptions.transcript(tx.id);
for (const s of speakers) {
if (!s.identified && s.number != null) await vs.transcriptions.nameAppearance(tx.id, s.number, 'Customer');
}
"인식되지 않은 사람은 모두 고객"이라는 규칙은 어림짐작으로만 쓰고 자신의 통화에서 확인하세요. 통화 전환으로 두 번째 상담원이 등장하기도 하고, 녹음된 안내 메뉴가 별개의 목소리로 들리기도 하며, 아직 저장되지 않은 상담원은 고객과 똑같아 보입니다. 비교에 한계가 있다는 점도 알아 두세요. 각 전사는 계정에서 가장 최근에 업데이트된 저장 화자 64명과 비교되므로, 그보다 큰 팀은 모든 통화에서 모든 상담원이 인식되리라고 기대해서는 안 됩니다.
레이블을 평가하기 전에 전화 오디오의 두 가지 특성을 알아 두면 좋습니다. 왼쪽에 상담원, 오른쪽에 고객이 담긴 2채널 녹음은 전사할 때 하나의 채널로 믹스다운되므로, 화자는 채널이 아니라 목소리로 구분됩니다. 또 협대역 전화선은 약 3.4 kHz 위로는 아무것도 전달하지 않아 두 목소리를 구별하게 하는 특징의 일부가 사라집니다. 짧게 겹치는 발화("yes", "mm-hm", "sorry, go on")에서 레이블이 가장 자주 틀립니다.
summary와 title을 켜면 전사가 확정된 뒤 각 통화에 제목과 통화 내용을 설명하는 몇 문장이 붙습니다. 이것이 티켓에 들어가므로, 다음 상담원은 아무것도 열어 보지 않고도 이력을 알 수 있습니다. 요약은 전사 뒤에 작성되므로 GET /v1/transcriptions/{id}/summary로 읽고, state가 pending인 동안 기다리세요.
let sum = await vs.transcriptions.summary(tx.id);
while (sum.state === 'pending') {
await new Promise((r) => setTimeout(r, 3000));
sum = await vs.transcriptions.summary(tx.id);
}
state가 ready가 되면 title과 summary에 텍스트가 담깁니다. 1분보다 짧은 녹음은 요약을 받지 못합니다(not_requested). 음성 메시지에서는 이것이 중요한데, 대부분의 음성 메시지는 전사본 자체가 요약일 만큼 짧기 때문입니다. summary 없이 처리한 통화에는 나중에 POST /v1/transcriptions/{id}/summarize로 요약을 추가할 수 있습니다. 요약은 모든 요금제에 추가 비용 없이 포함됩니다.
GET /v1/transcriptions/{id}/export는 json, xlsx, pdf, srt, vtt, txt, md의 일곱 가지 형식 중 하나로 파일을 반환합니다. 모든 내보내기에는 수정 내용과 직접 지정한 화자 이름이 포함됩니다. 지원팀에서는 그중 둘이 대부분의 일을 합니다.
자체 코드를 위한 JSON. JSON 내보내기에는 통화의 name, language, durationS가 있고, summary=true이면 summary도 들어 있으며, 그 뒤에 segments가 있습니다. 줄마다 하나의 항목이 있고, 초 단위의 start와 end, speaker, speakerName, text, confidence, 줄의 corrected 여부, 그리고 단어별 타이밍이 있는 words로 이루어집니다. 스크립트가 CRM 메모(제목, 요약, 상담원 이름, 통화 길이)를 만들거나 고객이 말한 줄만 뽑아내기에 충분합니다.
const res = await vs.transcriptions.export(tx.id, 'json', { summary: true });
const call = await res.json();
const note = { subject: sum.title, body: sum.summary, minutes: Math.round(call.durationS / 60) };
// Your code posts `note` to the ticket: VocalStack has no CRM or helpdesk connector.
검토자를 위한 Excel. XLSX 내보내기에는 줄마다 한 행씩 담긴 Transcript 시트가 있고 열은 #, Start, End, Start (s), End (s), Speaker, Text, Confidence, Corrected입니다. summary=true이면 About 시트에 통화의 이름, 언어, 길이와 함께 요약이 담깁니다. QA 담당자는 상담원의 행만 필터링하고, 점수나 의견을 적을 열을 추가하고, 검토마다 통합 문서 하나를 보관할 수 있습니다.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
여러 언어로 지원하는 경우에도 같은 방식으로 작동합니다. 내보내기에 lang=en을 추가하면 파일이 영어로, 문장당 한 줄로 읽히고, 스페인어나 폴란드어 통화는 번역됩니다. 한 가지 언어만 읽는 검토자도 여러 언어로 받은 통화를 평가할 수 있습니다. PDF 내보내기는 화자와 타임스탬프가 있는 통화 전체를 종이로 읽고 싶은 사람에게 알맞습니다.
전사는 내보낸 뒤에도 계정에 남으므로 통화가 쌓여 라이브러리가 됩니다. 태그로 묶을 수 있습니다. 대기열이나 팀마다 POST /v1/tags로 태그를 만들고, POST /v1/tags/{id}/transcriptions로 전사에 붙이세요.
const billing = await vs.tags.create({ name: 'Billing queue' });
await vs.tags.tagTranscriptions(billing.id, { add: [tx.id] });
그러면 GET /v1/search가 모든 통화에서 말한 내용을 태그와 날짜로 좁혀 검색합니다. 이번 달 Billing 대기열의 통화 중 누군가 "cancel"이라고 말한 모든 통화를, 결과마다 해당 통화와 말한 시점(초)과 함께 보여 줍니다.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
위의 모든 것은 코드 없이도 됩니다. Transcriptions → New에서 업로드한 파일은 해당 페이지에서 레이블링, 요약, 내보내기를 할 수 있고, 화자는 Speakers에 저장하며, 태그와 검색은 Transcriptions 목록에 있습니다.
설정을 시작하기 전에 알아 두면 좋은 한계가 있습니다.
보관 기간은 요금제에 따라 다릅니다. 요금제 페이지에서 요금제별 오디오와 전사의 보관 기간을 확인할 수 있습니다. 전사는 보관 처리할 수 있고, 보관된 전사는 POST /v1/transcriptions/{id}/purge로 영구 삭제할 수 있으며 이때 전사와 그 안의 모든 것이 완전히 삭제됩니다.
출시 가격 기준으로 녹음된 통화는 오디오 1시간당 $0.20이며 초 단위로 청구됩니다(분당 $0.0033). 종량제(Pay as you go)에서는 전사당 5분의 최소 요금이 적용되고 Premium과 Enterprise에서는 없습니다. 현재 요율은 요금제 페이지에 있습니다. 화자 레이블, 화자 이름 지정, 요약, 번역, 내보내기는 청구 금액을 늘리지 않습니다.
지원 통화는 짧은 경우가 많아서 지원팀의 청구액은 요율보다 최소 요금이 더 크게 좌우합니다. 종량제에서는 다음과 같습니다.
Premium과 Enterprise에는 최소 요금이 없으므로 모든 통화가 자기 초 수대로 청구됩니다. 40초짜리 음성 메시지는 약 0.2센트, 3분짜리 통화 1,000건은 약 $10입니다. 짧은 통화가 대부분인 팀이라면 자신의 통화 길이로 두 경우를 비교해 보세요.
출시 가격 기준으로, 한 달에 평균 8분짜리 통화를 2,000건 녹음하는 팀은 16,000분의 오디오를 보냅니다. Premium에서는 요약과 스프레드시트를 포함해 한 달에 약 $53의 크레딧입니다. 종량제에서는 5분 미만의 통화마다 이 금액이 늘어납니다.
실시간 전사는 통화 속도에 맞춰 진행하므로 비용이 더 듭니다(출시 가격 기준 시간당 $0.60). 통화 중에 아무도 단어가 필요하지 않다면 녹음을 나중에 전사하세요. 새 계정은 1회성 가입 크레딧으로 시작하며 카드가 필요 없으므로, 아무것도 구매하기 전에 위 단계를 자신의 통화 묶음으로 시험해 볼 수 있습니다.