Claude로 오디오를 텍스트로 변환하기: MCP 음성 인식 도구

Claude로 오디오를 텍스트로 전사하려면 MCP로 음성 인식(STT) 도구를 연결하고, Claude에게 녹음 파일의 공개 HTTPS 링크를 건네세요. 도구가 오디오를 단어별 타이밍이 있는 텍스트로 바꾸면, 같은 대화에서 Claude에게 전사문을 요약하거나, 인용하거나, 다듬어 달라고 요청할 수 있습니다. https://mcp.sume.com/mcp의 Sume 호스팅 MCP 서버에서는 Claude가 audio_url을 넣어 stt_create를 호출하고, jobs_wait로 기다린 뒤, jobs_result에서 text, words, segments를 읽습니다.

Claude 쪽 내용은 Anthropic의 모델 개요, 도움말 센터의 커스텀 커넥터 문서, Claude Code MCP 문서에서, Sume 쪽 내용은 MCP 빠른 시작, MCP 도구와 게이트, Sume API 레퍼런스의 STT 1.0 스키마에서 가져왔습니다. 모두 2026-09-27에 확인했습니다. Sume 기초 페이지는 호스팅 MCP가 여전히 동작하지만 현재 주 경로는 아니라고 설명합니다. 호스팅 MCP는 Claude처럼 원격 MCP를 지원하는 클라이언트를 위한 것이고, 백엔드는 음성 인식 API를 직접 호출합니다.

Claude가 오디오를 전사하려면 왜 도구가 필요한가요?

Anthropic 모델 개요에 따르면 현재 모든 Claude 모델은 텍스트와 이미지 입력, 텍스트 출력을 지원하며, 이 목록에 오디오는 없습니다. 듣는 일은 음성 인식 도구가 맡고, Claude에게는 작업할 텍스트를 넘겨줍니다. Claude는 이런 도구에 MCP로 접근합니다. Anthropic에 따르면 커스텀 커넥터의 경우 Claude가 자체 클라우드에서 연결하므로, 도구의 서버는 공용 인터넷에서 접근할 수 있어야 합니다.

Claude에 음성 인식 도구를 어떻게 연결하나요?

Sume에는 전용 Claude 커넥터가 없습니다. Sume 호스팅 MCP 서버를 직접 한 번 추가한 뒤 Write를 켜세요.

• Claude, Claude Desktop, Cowork: https://mcp.sume.com/mcp를 커스텀 커넥터로 추가하세요(Pro와 Max에서는 Customize > Connectors). 과정은 Claude 커스텀 커넥터로 Sume 추가하기에서 단계별로 설명합니다.
• Claude Code: claude mcp add --transport http sume https://mcp.sume.com/mcp를 실행한 다음, claude mcp login sume 명령으로 로그인하세요.
• Sume 동의 페이지에서 Write를 켜세요. 기본 로그인은 읽기 전용(mcp:read)이며, 세션에 mcp:write도 생기기 전까지 stt_create를 비롯한 유료 도구는 insufficient_scope를 반환합니다.

Claude는 음성 인식 도구에 무엇을 보내나요?

모든 STT 필드는 필수 값인 idempotency_key와 나란히 payload 안에 들어갑니다. Claude에게 비용부터 보여 달라고 하면 첫 호출에 dry_run: true가 실리며, 이 호출은 Job을 만들지 않고 접수와 비용 프리뷰를 반환합니다.

• audio_url(필수): 녹음 파일의 공개 HTTPS 링크입니다. Sume 미디어 호스트에 있는 링크가 좋습니다.
• language_code: en이나 ko 같은 힌트입니다. 생략하면 언어를 자동으로 감지합니다.
• duration_seconds: 1–600이며, 사용량 예약의 크기를 정합니다.
• segmentation: { "mode": "sentence" }는 문장 구간을 추가합니다. 단어별 타이밍에는 플래그가 필요 없으며, words는 항상 반환됩니다.

{
  "idempotency_key": "episode-12-transcript",
  "dry_run": true,
  "payload": {
    "audio_url": "https://example.com/podcast/episode-12.m4a",
    "duration_seconds": 540,
    "segmentation": { "mode": "sentence" }
  }
}

Claude는 전사문을 어떻게 돌려받나요?

stt_create는 텍스트가 아니라 Job id로 응답합니다. 전사문은 도구 호출을 두 번 더 거친 뒤에 도착하며, 긴 대기는 긴 호출 하나가 아니라 여러 슬라이스로 나뉩니다.

Claude가 내 컴퓨터에 있는 파일을 전사할 수 있나요?

이 도구로는 할 수 없습니다. Sume 문서에 따르면 호스팅 MCP는 노트북의 파일을 읽을 수 없으며, audio_url은 공개 HTTPS URL이어야 합니다. 먼저 자체 사이트나 스토리지 같은 공개 링크에 녹음 파일을 올리거나, 앞서 실행한 Sume Job의 Sume 호스팅 오디오를 쓰세요.

비용은 얼마이고, 한도는 어떻게 되나요?

stt_create는 API 요금에 나온 STT 1.0 요율인 오디오 분당 $0.01로 과금되며, 기본적으로 5.5% 에이전트 수수료가 더해집니다. dry_run: true는 무엇이든 실행되기 전에 예상 금액을 보여 주고, max_spend_usd는 값을 넘기면 호출의 상한이 됩니다.

• 호출당 오디오는 최대 10분입니다. 더 긴 녹음은 먼저 나누세요. 긴 오디오 파일 전사하기를 참고하세요.
• 화자 라벨은 없습니다. diarize는 서버 쪽에서 고정되어 있으며, 현재 코드에서는 이 값을 보내는 호출이 거부됩니다.
• 실시간 오디오는 지원하지 않습니다. 이 도구는 URL에 있는 완성된 파일을 전사합니다.