Main Quest - Snowflake/[시리즈] Cortex AI Functions

[Cortex_AI_3] 오디오 파일 STT하기

포스 삼촌 2026. 7. 7. 23:18

자, 나연 대표님 살펴보세요.

 

Snowflake에서 기본 제공하는 STT AI 함수 AI_TRANCRIBE와 모든 길은 나로 통하는 AI_COMPLETE의 비교 테스트입니다.

여기서도 또 AI_COMPLETE가 비교용으로 나오죠. 모든 길은 통하는 법이니깐^&^

 

기본 제공하는 STT함수의 특징 : 한글이 되지만 적당함.

 

우리는 손님과 안내 샘들과의 통화인데, 급한 마음에 말소리가 겹칠 때 분리, 정리

 

おまけ) 그럼 혹시 두 경우의 사용료는 어디가 더 저렴할까? 

품질은?

ㅋㅋㅋㅋㅋ 하옳

VoC 오디오파일(.wav) 파이프라인 비용 정리

Why: [NY 프라나 웰니스] 콜센터 녹취 파일을 STT → 분석, CS(Customer Service)를 구축하기 위한 파이프라인 설계/비용/품질 검증
How to apply: STT 후 CS(Customer Service) Agent 관련 작업 시 아래 결정사항을 기준으로 진행.

여러 PoC 후 파이프라인 확정 요약

1. STT : AI_COMPLETE (gemini-3.1-pro)를 이용한 오디오 → 화자분리 STT, 품질 및 가성비 우수
2. 감성분석 및 3줄 요약 : AI_COMPLETE (llama3.1-70b)를 이용한 STT 텍스트 → 감성분석 + 3줄 요약, 가성비 최적
3. 결과 테이블 (1통화 = 1행) → Cortex Search → Cortex Agent 서빙

PoC 결과

STT 테스트 결과 (2026.07.02 확정)

 

  • STT 방식: AI_COMPLETE(gemini-3.1-pro) 1-pass 채택 (AI_TRANSCRIBE 대비 15% 저렴 + 한국어 및 화자분리 품질 우수)
  • 파이프라인 소비 단가 실측: 동일 파일(.wav) 기반
    • 1-pass(gemini-3.1-pro): 0.149 cr/hr ($0.298/hr)
    • 2-pass(AI_TRANSCRIBE → 소넷 4.5, 맥락정리+화자교정): 0.166 cr/hr
    • 1-pass(gemini-3.1-pro, 프롬프트 캐싱): 0.128 cr/hr
  • AI_TRANSCRIBE: 0.175 cr/hr ($0.35/hr) — 공식 문서에 나와 있는 표준 요금과 로그가 일치해요.
  • 과금 기준: 오디오 파일의 전체 duration (무음 포함). 건수보다는 녹취 파일의 길이랑 연관이어요.
  • 프롬프트 캐싱: 동일 프롬프트 반복 배치 시 ~9% 추가 할인 확인

 

핵심 발견

항목AI_TRANSCRIBE (내장 AI함수)AI_COMPLETE(Gemini-3.1-pro)비교

단가 0.175 cr/hr 0.149 cr/hr 15% 저렴
화자 분리 내장 (영어 최적화) 프롬프트로 제어 한국어 더 정확
후처리 필요 LLM으로 정리 (추가 비용) 1-pass로 완결 파이프라인 단순
출력 형태 JSON (파싱 필요) 바로 사용 가능한 텍스트 즉시 활용

감성분석+요약 모델 비교

 

  • 감성분석은 분석하고 싶은 내용에 대해 각 키워드별로 긍정/중립/부정을 점수화하는 작업이에요.
  • 통화 내용을 분석해서 서비스 시간, 친절도, 품질, 만족도 등 여러 키워드로 분석할 수 있어요.
  • 샘플 파일 동일 3건 STT 텍스트 기반, 동일 프롬프트 (감성점수 5항목 + 불만유형 + 심각도 + 3줄 요약)

 

방식건당 크레딧건당 비용비율품질

AI_SENTIMENT (내장 AI함수) 0.0024 $0.005 — 긴 텍스트 실패, 레이블만 → 탈락
AI_COMPLETE (llama3.1-70b) 0.0007 $0.001 1x 충분 (수치+분류+요약)
AI_COMPLETE (gemini-3.1-pro) 0.0130 $0.026 18x 최고 (요약 구체적) — 비용 과다

 

  • AI_SENTIMENT는 26분 통화(긴 텍스트)에서 None 반환 → 운영 불가
  • gemini 요약 품질이 가장 좋으나, 비용이 llama 대비 18배 → 일상 배치에 부적합
  • llama3.1-70b: 3건 모두 성공, 감성점수+분류+요약 품질 충분, 가장 저렴

 

비용 시뮬레이션 (100시간 단위)

WAV 용량 ↔ 시간 환산 (G.711 µ-law, 8kHz, 8bit mono = 8,000 bytes/s):

 

  • 100시간 = 360,000초 × 8,000 = ~2.68 GB
  • 26년 5월 3GB ≈ 112시간 (× 1.12 적용)이므로, 100시간 단위로 시뮬레이션함.

 

구분내용100시간당 비용비고

전처리 STT — gemini-3.1-pro 1-pass (0.149 cr/hr) $29.8 100hr × 0.149 × $2
전처리 요약+감성분석 — llama3.1-70b (0.0007 cr/건) ~$1.7 1,200건 × 0.0007 × $2 (실측)
서비스 Cortex Search 서빙&임베딩
Semantic Model은 정의만 (비용 없음)		 ~$0.45 월 고정
서비스 Agent 사용자 이용 (500회/월, 10명×일2~3회) ~$25 planner 2.7cr + 답변LLM 9cr + WH 0.7cr (sonnet-4.5 기준, 미검증)
서비스 운영 (Storage 등) ~$1 월 고정

100시간 기준 합계 ~$58 $2 / AI cr

월 예상 (3GB ≈ 112시간) ~$65 × 1.12

 

키 프롬프트

핵심 요소: "무음 구간 무시" 지시, 상담원/고객 화법 특징 예시로 구분, 출력 형식 지정([상담원]/[고객] 레이블).
프롬프트 경험이 풍부한 팀원이 설계 — 이것이 품질 차이의 핵심이에요.

나연 대표님, 프롬프트 열심히 연습하는 샘한테는 보너스를 주세요^^