Olign, Olewave의 란셋처럼 정확한 음성-텍스트 강제 정렬 서비스
녹음 파일을 전사문과 함께 보내거나 ASR 결과와 함께 보내세요. 둘 다 없으면 Olign이 오디오를 직접 전사합니다. 모든 단어와 음소는 시작 시간, 종료 시간, 그리고 0에서 100 사이의 점수와 함께 반환됩니다.
https://tycho.olewave.com
가입하고 카드를 등록하면 무료 크레딧 3,000개를 받습니다. 출시 프로모션 가격으로 1,000분 분량의 오디오입니다. 카드를 등록해도 요금은 청구되지 않습니다. Olign은 현재 베타 버전이며, 가입하려면 초대 코드가 필요합니다. 초대 코드는 저희에게 요청하실 수 있습니다.
단어 타임스탬프는 보기보다 정확하지 않은 경우가 많습니다. FA-Bench 논문은 그 오차가 얼마나 큰지 측정했습니다. Whisper는 단어를 약 150 ms 일찍 배치합니다. 상용 음성-텍스트 API 8개 중 7개는 단어 시작 시점이 늦고, 그중 3개는 지연이 50 ms를 넘습니다. 강제 정렬기는 다른 방식으로 실패합니다. Buckeye 테스트 분할에 배경 잡음을 더하자 Montreal Forced Aligner 3.4는 4,513개 발화 중 354개에 대해 정렬 결과를 반환하지 못했습니다.
저희는 잡음이 섞인 녹음을 포함해 실제 녹음에서 단어 경계를 정확하게 잡도록 Olign을 만들었습니다.
사람 주석자와 대조해 채점한 단어 경계
FA-Bench는 모든 강제 정렬기에 같은 전사문을 주고, 각 단어 경계를 사람 주석자가 표시한 경계와 대조해 점수를 매깁니다. TIMIT core-test에서 Olign의 단어 경계 F1은 0.782이고, Montreal Forced Aligner 3.4는 0.644입니다. F1은 이 벤치마크의 주요 지표입니다. 시스템이 위치를 잡지 못한 단어도 모두 계산에 넣기 때문입니다. 평균 절대 오차는 그런 단어를 계산에서 뺍니다.
전사문 없이 얻는 타임스탬프
전사문을 보내지 않으면 Olign이 오디오를 직접 전사합니다. 오디오만으로 얻은 Olign의 단어 경계 F1은 TIMIT core-test에서 0.756입니다. 벤치마크에 포함된 다른 상용 음성 인식 API 8개 중 가장 높은 Google Chirp 2는 0.443입니다.
잡음이 섞인 오디오에서도 안정적인 정렬
Buckeye 테스트 분할에서 깨끗한 음성과 네 가지 음질 저하 조건을 모두 합친 22,565개 발화 전부에 Olign은 정렬 결과를 반환했습니다. Montreal Forced Aligner 3.4는 그중 573개에서 아무것도 반환하지 못했습니다.
직접 확인할 수 있는 수치
이 페이지의 모든 결과는 FA-Bench에서 나왔습니다. Olign과 FA-Bench는 모두 Olewave가 만듭니다. Olign의 수치는 2026년 10월 기록에 있는 Olign 1.0의 결과이며, 모든 시스템의 수치는 FA-Bench 리더보드에서 볼 수 있습니다. FA-Bench는 GitHub에 공개되어 있으며, arXiv에 올라온 논문에 설명되어 있습니다. 논문은 Olign 0.9의 수치를 보고하며, 그 API는 계속 사용할 수 있습니다. 그래서 논문의 수치를 직접 재현하고, 같은 벤치마크를 현재 스택에 돌려 볼 수 있습니다.
오디오가 네트워크 밖으로 나갈 수 없다면 자체 호스팅
녹음이 반드시 사용 중인 VPC 안에 머물러야 한다면, 자체 호스팅 배포를 함께 논의할 수 있습니다.
FA-Bench 기준 단어 타임스탬프 정확도
fabench 프로토콜을 10 ms 격자에서 적용하고, 부트스트랩 95 % 신뢰구간을 함께 계산합니다. 네 시스템 모두 정답 전사문 트랙에서 실행합니다. 각 시스템은 정답 단어를 입력으로 받고, 측정 대상은 타이밍뿐입니다. 이 수치에는 인식 오류가 들어가지 않습니다. 두 분할 모두 홀드아웃이며 화자가 겹치지 않습니다. TIMIT core-test는 코퍼스 문서가 요구하는 대로 SA 문장을 제외합니다. Buckeye 테스트 분할에는 화자 8명이 들어 있으며, 코퍼스의 성별과 연령에 따른 네 그룹에서 각각 두 명씩입니다. 발화 목록은 저장소에 커밋되어 있습니다. 잡음 환경은 네 가지 음질 저하 조건인 잔향, 잡음, 음악, 웅성거림의 평균입니다. 베이스라인은 Montreal Forced Aligner 3.4.1, Qwen3-ForcedAligner-0.6B, WhisperX 3.8.6입니다. 전체 결과는 FA-Bench 리더보드에서 볼 수 있습니다.Olign은 지금 미국 영어와 영국 영어로 이용하실 수 있으며, 더 많은 언어가 계획되어 있습니다. 오디오 1분에 3.5크레딧이 들고, 1,000크레딧은 1달러이므로 오디오 1시간은 0.21달러입니다. 출시 프로모션 기간에는 1분에 3크레딧, 1시간에 0.18달러입니다. 새 계정은 카드를 등록하면 무료 크레딧 3,000개를 받습니다. 녹음은 하나당 작업 하나로 보내시면 되고, 길이는 최대 3시간까지 가능합니다. 1시간 분량의 오디오는 약 4분이면 처리가 끝납니다. 이 페이지의 정확도 수치는 미국 영어에서 측정한 값입니다.
무료 크레딧 3,000개로 시작하세요.
출시 프로모션 가격으로 1,000분 분량의 오디오로, 지금 쓰는 정렬기나 ASR과 Olign을 가지고 계신 녹음으로 직접 비교해 보기에 충분합니다. 카드를 등록하면 크레딧이 지급되며 요금은 청구되지 않습니다. 아직 초대 코드가 없다면 저희에게 요청하세요.
tycho.olewave.com에서 가입하기 →