생성형 AI 사용 사례: 오디오 파일에서 팟캐스트 생성

Last reviewed 2026-11-12 UTC

이 문서에서는 AI를 사용하여 오디오 입력을 기반으로 팟캐스트를 생성하는 애플리케이션의 개략적인 아키텍처를 제공합니다.

이 문서의 주요 대상은 미디어 및 마케팅 업계를 위해 클라우드에서 생성형 AI 애플리케이션을 빌드하고 관리하는 설계자, 개발자, 관리자입니다. 이 문서에서는 독자가 생성형 AI에 대한 기본적인 지식이 있다고 가정합니다.

이 문서의 배포 섹션에서는 멀티모달 입력 및 출력 형식이 포함된 생성형 AI 워크로드의 코드 샘플을 제공합니다.

아키텍처

다음 다이어그램은 Google Cloud의 팟캐스트 제작자 애플리케이션 아키텍처를 보여줍니다. 이 애플리케이션은 AI를 사용하여 스포츠 이벤트의 실시간 해설과 같은 오디오 파일에서 팟캐스트를 생성합니다.

오디오 파일에서 팟캐스트를 생성하는 생성형 AI 애플리케이션의 아키텍처 오디오 파일에서 팟캐스트를 생성하는 생성형 AI 애플리케이션의 아키텍처

이 아키텍처는 다음 흐름을 보여줍니다.

  1. 사용자가 Cloud Storage 버킷에 오디오 파일을 업로드합니다.
  2. Eventarc가 Cloud Run 서비스를 트리거합니다.
  3. Cloud Run 서비스는 오디오 파일을 Speech-to-Text로 전송합니다.
  4. Speech-to-Text는 오디오 파일의 타임스탬프가 지정된 스크립트를 생성합니다.
  5. Cloud Run 서비스는 팟캐스트 스크립트를 생성하라는 프롬프트와 함께 스크립트를 Gemini Enterprise Agent Platform으로 전송합니다.

    예를 들어 해설의 특정 키워드를 기반으로 스포츠 이벤트의 하이라이트에 대한 15분 팟캐스트 스크립트를 생성하는 프롬프트가 있을 수 있습니다.

  6. Agent Platform의 Gemini 모델이 팟캐스트 스크립트 초안을 생성합니다

  7. Cloud Run 서비스가 초안 스크립트를 사용자에게 전송합니다.

  8. 사용자는 초안 스크립트를 검토하고 수정한 후 최종 스크립트를 Text-to-Speech로 전송합니다.

  9. Text-to-Speech는 팟캐스트 오디오 파일을 생성합니다.

사용 제품

이 예시 아키텍처에는 다음과 같은 Google Cloud 제품이 사용됩니다.

  • Speech-to-Text: Google의 음성 인식 기술을 사용하여 오디오를 텍스트로 변환하는 API입니다.
  • Gemini Enterprise Agent Platform: 엔터프라이즈급 AI 에이전트를 빌드, 확장, 제어, 최적화할 수 있는 포괄적인 플랫폼입니다.
  • Text-to-Speech: 텍스트에서 자연스러운 합성 인간 음성을 만드는 API입니다.
  • Cloud Storage: 다양한 데이터 유형에 적합한 저비용, 무제한 객체 스토어입니다. Google Cloud내부 및 외부에서 데이터에 액세스할 수 있고 중복성을 위해 여러 위치에 복제됩니다.
  • Cloud Run: Google의 확장 가능한 인프라에서 직접 컨테이너를 실행할 수 있게 해주는 서버리스 컴퓨팅 플랫폼입니다.
  • Eventarc: 이벤트에 의해 트리거된 메시지를 비동기식으로 라우팅하는 서버리스 솔루션입니다.

설계 고려사항

이 섹션에서는 Google Cloud Well-Architected Framework에 따른 설계 요소, 권장사항, 추천을 설명합니다. 이 참조 아키텍처를 사용하여 보안, 안정성, 비용 최적화, 운영 효율성에 대한 특정 요구사항을 충족하는 토폴로지를 개발할 때 이 정보를 고려하세요.

보안, 개인 정보 보호, 규정 준수

팟캐스트 생성 워크로드를 보호하고 개인 정보 보호 및 규정 준수 요구사항을 충족하려면 다음 권장사항을 고려하세요.

  • 프롬프트, 스크립트, 팟캐스트 스크립트에서 프롬프트 인젝션, 탈옥 시도, 유해한 콘텐츠를 검사하려면 Model Armor를 사용합니다. 합성 전에 스크립트 및 초안 스크립트에서 개인 식별 정보(PII)를 감지하고 수정하려면 Sensitive Data Protection을 사용합니다.
  • 최소 권한의 원칙을 따르려면 전용 Identity and Access Management(IAM) 서비스 계정을 Eventarc 트리거 및 Cloud Run 서비스에 할당합니다. 승인된 호출자 및 검토자로 네트워크 액세스를 제한하려면 Cloud Run 인그레스 컨트롤을 구성하고 IAM 인증을 요구합니다.

안정성

긴 형식의 논평 및 팟캐스트 합성을 안정적으로 처리하려면 다음 권장사항을 고려하세요.

  • 긴 해설 녹음을 안정적으로 스크립트 작성하려면 비동기 일괄 처리를 고려하세요. 자세한 내용은 긴 오디오 파일을 텍스트로 변환을 참조하세요.
  • 전체 에피소드를 합성하려면 스크립트를 더 작은 세그먼트로 분할하거나 긴 오디오 합성을 사용한 다음 출력 오디오를 Cloud Storage에 저장합니다.
  • Eventarc는 확인되지 않은 전송을 재시도하므로 Cloud Run HTTP 핸들러에서 동기식으로 몇 분 동안 미디어를 처리하면 제한 시간 초과 및 중복 작업이 발생할 수 있습니다. 장기 실행 처리에서 이벤트 전송을 분리하려면 Workflows를 사용하여 다단계 태스크를 조정하거나 Cloud Run 작업에서 일괄 워크로드를 실행합니다.

비용 최적화

스크립트 생성 및 팟캐스트 오디오 합성 비용을 최적화하려면 다음 권장사항을 고려하세요.

  • 팟캐스트 스크립트를 즉시 생성할 필요가 없는 경우 Agent Platform에서 일괄 추론을 사용합니다. 일괄 추론은 표준 온라인 추론보다 저렴한 비용으로 대규모 스크립트 워크로드를 비동기식으로 처리합니다.
  • 대량의 팟캐스트 제작을 위한 합성 비용을 줄이려면 Agent Platform에서 요구사항에 따라 적절한 모델을 선택하세요.

운영 효율성

멀티모달 파이프라인을 간소화하고 여러 화자의 오디오 제작을 간소화하려면 다음 권장사항을 고려하세요.

  • 특수한 Speech-to-Text 기능이 필요하지 않은 경우 파이프라인을 간소화하려면 Cloud Storage 오디오 URI를 Agent Platform의 Gemini에 직접 전달합니다. 멀티모달 오디오 이해를 통해 Gemini는 타임스탬프 이해를 바탕으로 긴 오디오 파일을 분석하고 한 번에 팟캐스트 스크립트 초안을 작성할 수 있습니다. 워크로드에 도메인별 이름에 대한 일괄 화자 분할 또는 모델 적응이 필요한 경우 특수 스크립트 작성 모델과 함께 Speech-to-Text를 유지합니다.
  • 복잡한 SSML 조정 없이 대화형 멀티 호스트 팟캐스트를 제작하려면 Agent Platform에서 Gemini TTS를 사용하세요. 애플리케이션이 Text-to-Speech를 직접 호출하는 경우 Gemini TTS 또는 기타 대화형 음성을 사용하여 자연스러운 음성 제어를 수행할 수도 있습니다. 자세한 내용은 지원되는 음성 및 언어를 참조하세요.

배포

오디오 및 텍스트와 같은 멀티모달 입력 및 출력 형식이 포함된 워크로드에 Google Cloud 제품을 사용하는 실험을 하려면 다음 코드 샘플을 사용해 보세요.

다음 단계

  • 더 많은 생성형 AI 아키텍처 가이드 살펴보기
  • Google Cloud에서 AI 및 ML 워크로드와 관련된 아키텍처 원칙 및 권장사항에 대한 개요는 Well-Architected Framework의 AI 및 ML 관점을 참조하세요.
  • 그 밖의 참조 아키텍처, 다이어그램, 튜토리얼, 권장사항을 알아보려면 Cloud 아키텍처 센터를 확인하세요.

참여자

저자: 쿠마르 다나고팔 | 크로스 프로덕트 솔루션 개발자

기타 참여자: