Parrot Speech-to-text API

Parrot Speech-to-text API란?

Parrot Speech-to-text API는 RinggAI가 자체 개발한 음성 인식 모델로, 프로덕션 등급의 음성 에이전트 및 실시간 전사 워크플로우를 위해 설계되었습니다. 이 모델은 저지연 스트리밍 추론을 제공하며, 힌디어, 영어, 그리고 코드 혼합 음성(인도에서 실제 음성 상호작용을 지배하는 혼합 언어 대화)을 강력하게 지원합니다. 일반적인 스트리밍 지연 시간은 60ms이며, Deepgram 및 Sarvam과 같은 대안보다 여러 벤치마크 데이터 세트(잡음 및 코드 혼합 오디오 포함)에서 더 뛰어난 성능을 보입니다.

대상 사용자

• 음성 에이전트 개발자 — 실시간으로 빠르고 안정적인 힌디어-영어 전사가 필요한 AI 기반 어시스턴트를 구축하는 분
• 컨택 센터 운영자 — 힌디어 사용이 많은 환경에서 통화 분석, 품질 모니터링 및 에이전트 코칭을 위해 음성-텍스트 변환을 배포하는 분
• 다국어 음성 제품을 개발하는 제품 팀 — 코드 혼합 음성을 정확하게 처리해야 하는 음성 검색, 자막 생성 또는 회의 인텔리전스 도구를 만드는 분

주요 기능

저지연 스트리밍 추론

Parrot STT V1은 일반적인 스트리밍 지연 시간 60ms를 제공하여 실시간 음성 제품 및 대화형 AI 에이전트에 적합합니다. 이 모델은 오디오가 도착하는 대로 처리하도록 설계되어 자연스러운 턴테이킹과 반응형 음성 인터페이스를 가능하게 합니다.

힌디어-영어 코드 혼합 인식

이 모델은 많은 인도 비즈니스 및 소비자 환경에서 지배적인 음성 커뮤니케이션 방식인 힌디어-영어 코드 혼합 음성을 위해 특별히 설계되었습니다. Kathbath 및 Common Voice와 같은 벤치마크에서 ElevenLabs, Deepgram 및 Sarvam보다 뛰어난 성능을 보이며, 전체 단어 오류율(WER)은 **7.27%**로, 다음으로 좋은 대안의 8.94%보다 낮습니다.

잡음이 있는 오디오에 대한 프로덕션 등급 정확도

Parrot은 Kathbath 잡음 데이터 세트에서 13.09% WER을 달성하여 Deepgram(15.93%) 및 Sarvam(17.53%)보다 현저히 낮습니다. 이는 배경 잡음을 피할 수 없는 컨택 센터, 현장 녹음 및 기타 환경에서 강력한 선택이 됩니다.

Pipecat 호환 Python SDK

Ringg는 PyPI의 ringglabs 패키지를 통해 사용 가능한 Python SDK를 제공합니다. 이 SDK는 내장된 VAD 이벤트를 사용하여 Pipecat 툴킷과 통합되므로 최신 음성 에이전트 오케스트레이션 파이프라인에 쉽게 연결할 수 있습니다.

차별점

Parrot은 주요 음성-텍스트 제공업체 중 가장 낮은 전체 단어 오류율인 7.27%를 제공하면서도 60ms의 스트리밍 지연 시간을 유지합니다.

정확성과 속도의 이러한 조합은 드뭅니다. 대부분의 제공업체는 둘 중 하나를 희생합니다. Parrot은 전체 WER에서 ElevenLabs, Deepgram 및 Sarvam을 능가하면서도 실시간 음성 에이전트에 충분히 낮은 지연 시간을 유지합니다. 또한 이 모델은 독점적이고 비공개이므로 오디오 데이터와 전사 내용이 RinggAI의 통제된 배포 환경 내에 유지되어 민감한 대화를 처리하는 비즈니스에 의미 있는 고려 사항을 제공합니다.

다음의 경우 확인해 볼 가치가 있습니다…

잡음이 많거나 코드 혼합 환경에서 특히 실시간으로 안정적인 힌디어-영어 전사가 필요한 음성 제품을 구축하는 경우입니다. Parrot은 정확성과 지연 시간이 모두 중요한 컨택 센터, AI 에이전트 및 회의 인텔리전스 도구에 적합합니다. 현재 힌디어 사용이 많은 워크로드에 Deepgram 또는 Sarvam을 사용하고 있다면 벤치마크 데이터는 Parrot이 눈에 띄게 더 나은 결과를 제공할 수 있음을 시사합니다. 프로덕션 액세스는 RinggAI에 직접 문의해야 하지만 ringg.ai의 플레이그라운드에서 모델을 평가할 수 있습니다.