자랑스럽게 선보입니다

Olign, Olewave의 메스처럼 정밀한 음성-텍스트 강제 정렬 서비스

녹음 파일과 함께 전사문이나 ASR 결과를 보내세요. 둘 다 없으면 Olign이 오디오를 직접 전사합니다. 모든 단어와 음소는 시작 시간, 종료 시간, 그리고 0에서 100 사이의 점수와 함께 반환됩니다. Olign의 단어 타임스탬프는 Montreal Forced Aligner, Qwen3-ForcedAligner, WhisperX보다 정확합니다.

REST · 베타 https://api.olewave.com/olign/v1

무료 베타 이용이 열려 있습니다. 초대 코드를 요청한 뒤 API 키를 직접 만드세요.

단어 타임스탬프는 보이는 것보다 부정확한 경우가 많습니다. FA-Bench 논문에 따르면 Whisper는 단어를 약 150 ms 일찍 배치합니다. 상용 음성 텍스트 변환 API 8개 중 7개는 단어 시작이 늦고, 그중 3개는 그 차이가 50 ms를 넘습니다. 강제 정렬기는 실패하는 방식이 다릅니다. Buckeye 테스트 분할에 배경 소음을 더하면 Montreal Forced Aligner 3.4는 4,513개 발화 중 354개에서 정렬 결과를 반환하지 못했습니다.

저희는 소음이 섞인 녹음을 포함해 실제 녹음에서 단어 경계를 정확하게 찾도록 Olign을 만들었습니다.

모든 강제 정렬기 중 가장 높은 경계 F1

같은 전사문이 주어지면 Olign은 FA-Bench가 평가하는 다른 어떤 강제 정렬기보다 단어 경계를 더 정확하게 찾습니다. 두 말뭉치에서 모두 그렇고, 깨끗한 오디오와 소음을 더한 오디오에서도 마찬가지입니다. TIMIT core-test에서 Olign의 단어 경계 F1은 0.782이고, Montreal Forced Aligner 3.4는 0.644입니다. Olign이 찍은 단어 시작은 평균 3.1 ms 일찍 놓입니다. F1은 시스템이 배치하지 못한 단어까지 빠짐없이 반영하므로 이 벤치마크의 주요 지표입니다. 평균 절대 오차에서는 그런 단어가 빠집니다.

이미 사용 중인 ASR에 더 나은 타이밍을

사용 중인 음성 인식기는 그대로 두고 단어 타이밍은 Olign에 맡기세요. TIMIT core-test에서 Google Chirp 2가 인식한 단어를 넘겨받으면 Olign은 그 단어의 경계 F1을 0.443에서 0.734로 끌어올립니다. 인식된 단어는 그대로이므로 향상분은 모두 타이밍에서 나옵니다. 이렇게 실행하면 Olign은 모든 분할에서 벤치마크의 상용 API 8개 전부보다 타임스탬프가 정확합니다.

소음이 섞인 오디오에서도 안정적인 정렬

Buckeye 테스트 분할 전체를 깨끗한 조건과 네 가지 열화 조건에서 돌렸을 때 Olign은 22,565개 발화 중 3개를 뺀 나머지 전부에 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. FA-Bench는 오픈 소스이며 arXiv 논문에 설명되어 있습니다. 공개된 수치를 만든 v0.9 API는 계속 제공되므로 직접 재현할 수 있습니다. 지금 쓰는 스택에도 같은 벤치마크를 실행해 볼 수 있습니다.

오디오가 네트워크를 벗어날 수 없다면 자체 호스팅

녹음 파일이 귀사의 VPC 안에 머물러야 한다면 자체 호스팅 배포를 논의할 수 있습니다.

OlignMFAQwen3-FAWhisperX

단어 경계 20 ms 기준 F1이며 값이 높을수록 좋습니다. 경계는 양쪽 단어가 기준과 일치하고, 사람이 직접 표시한 경계에서 20 ms 이내에 놓일 때만 맞은 것으로 인정합니다. 분할은 TIMIT core-test와 Buckeye test이며, FA-Bench의 정의를 따릅니다. 2026년 9월 스냅샷을 사용했고, fabench 프로토콜에 따라 10 ms 격자에서 채점했으며 부트스트랩 95 % 신뢰구간을 구했습니다. 네 시스템 모두 정답 전사 트랙에서 실행하므로 각 시스템은 기준 단어를 전달받고 타이밍만 측정됩니다. 이 수치에는 인식 오류가 전혀 반영되지 않습니다. 두 분할 모두 홀드아웃이며 화자가 겹치지 않습니다. TIMIT core-test는 말뭉치 문서가 요구하는 대로 SA 문장을 제외합니다. Buckeye 테스트 분할은 이 말뭉치 고유의 성별과 연령 교차 설계에 따라 화자 24명, 8명, 8명에 걸쳐 층화했으며, 발화별 소속 정보는 저장소에 커밋해 두었습니다. 시끄러운 환경은 네 가지 열화 조건의 평균입니다. 열화 조건은 잔향, 잡음, 음악, 웅성거림입니다. 베이스라인은 Montreal Forced Aligner 3.4.1, Qwen3-ForcedAligner-0.6B, WhisperX 3.8.6입니다. 전체 결과는 TIMIT 및 Buckeye 페이지에서 볼 수 있습니다.

무료 베타 이용이 미국 영어와 영국 영어를 대상으로 열려 있으며, 더 많은 언어를 계획하고 있습니다. 초대 코드를 요청하고 API 키를 만든 뒤, 최대 60분 길이의 녹음 전체를 작업으로 보내세요. 베타에서는 계정당 하루 60분 분량의 오디오를 처리할 수 있습니다. 작업 하나를 실행하는 데는 녹음 길이의 약 8분의 1이 걸립니다. 이 페이지의 정확도 수치는 미국 영어에서 측정했습니다.

베타 이용 신청 · FA-Bench 논문 · FA-Bench 코드 · 클라이언트 라이브러리

베타 기간에는 Olign을 무료로 사용해 보세요.

초대 코드를 요청하고 API 키를 만드세요. 베타에서는 하루 60분 분량의 오디오를 사용할 수 있습니다. 지금 쓰는 정렬기나 ASR과 Olign을 비교해 보기에 충분한 양입니다.

초대 코드 요청 →