[Spring] NAVER CLOVA CSR 적용하여 음성을 텍스트로 변환하기

들어가며

우리 서비스 handDoc 에서는 의사의 음성을 텍스트로 변환해야하는 부분이 존재한다. 그리고 STT(Speech-To-Text)를 Naver CLOVA Speech Recognition(CSR)을 통해 구현하기로 하였다.

 

STT (Speech-To-Text) 

사람의 음성을 인식해 텍스트로 변환하는 기술

 

NAVER CSR (CLOVA Speech Recognition)

네이버 클라우드 플랫폼에서 제공하는 음성 인식 API이다. 한국어 환경에 최적화 되어있다.  

• 한국어에 특화된 음성 인식 모델
• 실시간 스트리밍/비동기 처리 모두 지원
• 긴 오디오 파일도 처리 가능
• 화자 분리 (Speaker Diarization) 옵션 제공 

---

사용 방법 

1. 네이버 클라우드 플랫폼에 가입한다. https://www.ncloud.com/

2. 콘솔을 눌러보면 콘솔 접근이 불가능한 계정이라고 나온다. 결제 수단을 등록하지 않아서 그렇다. 일단 먼저 결제 수단을 등록해준다. 

3. [마이페이지] > [결제 수단 관리] 에 들어가서 결제 수단을 등록한다. 

4. 좌측에 [Services] > AI.NAVER API 에 들어가서 [Application 등록] 을 눌러준다. 

5. 애플리케이션 이름을 작성하고 등록 버튼을 눌러주면 된다. 

 

아 근데, 아래 문서에 엄청 잘 적혀 있다.. !! 그냥 쭉 따라가면 문제 없을 듯~하다 ! 

https://guide.ncloud-docs.com/docs/naveropenapiv3-application#Application%EB%93%B1%EB%A1%9D

---

구현 

https://api.ncloud-docs.com/docs/ai-naver-clovaspeechrecognition

CLOVA Speech Recognition (CSR) 개요

 

이 문서를 참고하면, 쉽게 개발이 가능하다. 

 

0) WebClientConfig 작성 

일단 외부 API 호출을 위해, WebClientConfig을 작성했다.

 

1) NaverCsrApiClient

Client라는 이름을 가진 클래스는 외부 시스템, 외부 API, 서드파티 서비스와의 통신을 담당할 때 사용한다.
NaverCsrClient는 네이버 CLOVA STT API라는 외부 시스템에 요청을 보내고 결과를 받아온다. 

@Component
@RequiredArgsConstructor
public class NaverCsrApiClient {

    private final WebClient webClient;

    @Value("${naver.clova.api-key-id}")
    private String apiKeyId;

    @Value("${naver.clova.api-key}")
    private String apiKey;

    private static final String DEFAULT_LANG = "Kor";

    public String transcribe(byte[] audioBytes){
        return webClient.post()
                .uri(uri -> uri.scheme("https")
                        .host("naveropenapi.apigw.ntruss.com")
                        .path("/recog/v1/stt")
                        .queryParam("lang", DEFAULT_LANG)
                        .build())
                .header("X-NCP-APIGW-API-KEY-ID", apiKeyId)
                .header("X-NCP-APIGW-API-KEY", apiKey)
                .contentType(MediaType.APPLICATION_OCTET_STREAM)
                .bodyValue(audioBytes)
                .retrieve()
                .onStatus(s -> s.is4xxClientError() || s.is5xxServerError(),
                        resp -> resp.bodyToMono(String.class)
                                .defaultIfEmpty("")
                                .flatMap(msg-> Mono.error(new IllegalStateException("Clova CSR Error: " + msg))))
                .bodyToMono(String.class)
                .timeout(Duration.ofSeconds(20))
                .block();
    }
}

 

2) Controller 

@RestController
@RequiredArgsConstructor
@Tag(name = "Speech", description = "음성 관련 API")
@RequestMapping("/api/v1/stt")
public class SpeechController {

    private final NaverCsrClient naverCsrClient;

    @PostMapping(value = "", consumes = MediaType.MULTIPART_FORM_DATA_VALUE, produces = MediaType.APPLICATION_JSON_VALUE)
    @Operation(summary = "음성을 텍스트로 변환하는 API", description = "음성 파일을 업로드하여 호출합니다.")
    public ResponseEntity<String> stt(@RequestParam("file") MultipartFile file) throws Exception{
        String result = naverCsrClient.transcribe(file.getBytes());
        return ResponseEntity.ok(result);
    }
}

---

마무리

coderabbit이 제시해준... Sequence Diagram

https://github.com/3-NoPainNoGain/BE/pull/8

 

pr 링크를 마지막으로 이만... !!