클로바노트 API 2026 — 공식 API 는 없고, 회의록 자동화는 CLOVA Speech 로 한다

3줄 요약

클로바노트 API 는 없다. 네이버 클라우드의 상품 문서와 API 레퍼런스를 훑어도 음성 쪽에 올라와 있는 상품은 CLOVA Speech 와 CSR(CLOVA Speech Recognition) 둘이고, 클로바노트를 외부에서 호출하는 공개 API 는 그 목록에 없다(2026-11-11 확인). 그래서 「클로바노트로 회의록을 자동화하자」는 요구는 실제로는 CLOVA Speech 로 전사하고 그 결과를 우리 시스템에 붙이는 일이 된다. 이름이 비슷한 CSR 을 고르면 1분 제한에 막히고 녹음 파일은 아예 받지 못한다. 선택지는 셋이다 — 앱으로 사람이 올리고 받는 길, CLOVA Speech API 로 자동화하는 길, 오픈소스 Whisper 로 사내에 직접 세우는 길. 녹음을 사내망 밖으로 내보낼 수 없는 조직이라면 세 번째만 남는다.

클로바노트에 공개 API 가 있나

없다. 정확히 말하면 네이버 클라우드 쪽 공식 문서에서 찾을 수 없다. (검색창에는 「클로바 노트 api」처럼 띄어 쓰는 경우도 많은데 같은 질문이고 같은 답이다.)

확인한 자리는 두 곳이다. 상품 가이드(guide.ncloud-docs.com)와 API 레퍼런스(api.ncloud-docs.com)에 음성·언어 상품으로 올라와 있는 것은 CLOVA Speech · CSR · CLOVA Studio · CLOVA OCR 이고, 클로바노트는 상품 문서가 아니라 앱·서비스 쪽에 있다. 앱에는 녹음·업로드·공유·내보내기 화면이 있고, 조직용으로는 관리자가 기능별 사용 여부를 켜고 끄는 설정이 있다. 그건 관리자 설정이고 외부 개발자용 API 가 아니다.

이 구분이 중요한 이유는 요구사항이 바뀌기 때문이다. 「클로바노트를 붙여 달라」는 요청은 대개 두 가지 중 하나다.

• 사람이 쓰는 회의록 도구가 필요하다 → 앱을 쓰면 끝난다. 개발이 필요 없다.
• 녹음 파일이 들어오면 자동으로 텍스트가 나와야 한다 → 클로바노트가 아니라 CLOVA Speech 를 호출하는 일이다.

둘을 섞으면 「앱에 API 가 없다」는 사실에서 「네이버로는 자동화를 못 한다」는 틀린 결론으로 간다. 자동화는 된다. 상품 이름이 다를 뿐이다.

이 글은 2026-11-11 기준 공식 문서를 보고 썼다. 상품 구성은 바뀌므로, 숫자를 계약서에 넣기 전에는 콘솔의 요금 안내와 상품 문서를 한 번 더 열어 보는 것이 맞다.

CLOVA Speech 와 CSR 은 다른 상품이다

이름이 거의 같아서 가장 많이 틀리는 자리다.

CSR 문서는 「Audio file recognition」 항목에서 CSR API 가 파일 인식을 지원하지 않는다고 적어 둔다. 음성 메모·단축 명령처럼 짧은 발화를 받는 쪽에 최적화된 상품이기 때문이다. 회의 녹음 40분을 CSR 에 밀어 넣고 실패 로그를 뒤지는 일이 자주 생기는데, 원인은 코드가 아니라 상품 선택이다.

CLOVA Speech 가 받아 주는 한계

여기가 아키텍처를 가르는 숫자다. 공식 사양 문서(clovaspeech-spec) 기준이다.

읽는 법은 세 가지다.

첫째, 회의록은 전부 장문 인식이다. 60초·10MB 는 짧은 발화용 숫자이고, 1시간짜리 회의 녹음은 이 선을 바로 넘는다.

둘째, 2시간이 동기 호출의 선이다. 반일짜리 워크숍이나 하루치 상담 녹취를 한 파일로 올릴 계획이면 Batch(비동기)로 가야 하고, 그러면 결과를 나중에 받아 오는 구조가 필요하다. 요청하고 응답을 기다리는 코드로 설계해 두면 2시간을 넘기는 첫 파일에서 다시 만들어야 한다.

셋째, 한국 리전만이다. 문서는 「CLOVA Speech 는 한국 리전에서 서비스를 제공하고 있습니다」라고 적는다. 해외 법인 데이터를 현지 리전에 두어야 하는 요건이 있으면 이 상품으로는 못 맞춘다.

⚠️ 문서 안에서 지원 언어가 두 표에 다르게 적혀 있다 — 지원 범위 표에는 중국어가 들어 있는데 클라우드 환경 사양 표에는 한국어·영어·일본어만 있다. 중국어가 꼭 필요하면 계약 전에 확인하는 편이 안전하다.

장문 인식 요청은 이렇게 생겼다

엔드포인트는 범용 주소가 아니다. 도메인마다 고유한 Invoke URL 이 발급되고, 콘솔의 빌더 > 설정 > 연동 정보 탭에서 확인한다. Object Storage 에 올린 파일을 인식시키는 요청은 이 모양이다.

curl -X POST "${INVOKE_URL}/recognizer/object-storage" \
  -H "Content-Type: application/json" \
  -H "X-CLOVASPEECH-API-KEY: ${SECRET_KEY}" \
  -d '{
    "dataKey": "meetings/2026-11-11-weekly.mp3",
    "language": "ko-KR",
    "completion": "sync",
    "diarization": { "enable": true }
  }'

파라미터에서 눈여겨볼 것은 둘이다.

• language 는 필수다. 받는 값은 ko-KR(기본), en-US, enko(한·영 동시), ja, zh-cn, zh-tw. 비우면 STT004 Empty Language, 없는 값을 넣으면 STT005 Invalid Language 가 돌아온다.
• diarization.enable 은 기본값이 true 다. 화자 분리를 끄는 쪽이 명시적인 선택이라는 뜻이다.

로컬 파일을 바로 올리는 요청은 multipart/form-data 로 보내고, 비동기로 돌린 작업은 상태 조회 API 로 결과를 받아 온다. 형식은 문서의 전처리 오류(STT006)가 wav · mp3 · flac 를 언급한다.

화자 분리는 기본값이 켜져 있다

회의록에서 가장 쓸모 있는 기능이 화자 분리인데, 이것이 기본값이라 코드에 아무것도 안 써도 켜진다. 그래서 두 방향으로 함정이 된다.

• 화자 구분이 필요 없는 1인 녹음(음성 메모·강의)인데도 분리가 돌아 결과가 불필요하게 쪼개진다 → "diarization": { "enable": false } 로 끈다.
• 반대로 「화자 분리가 왜 안 되지」로 디버깅을 시작했는데, 실제 원인은 녹음 자체다. 한 마이크로 멀리서 받은 회의 녹음은 어떤 엔진을 써도 화자가 갈리지 않는다.

문장 자동 분리와 타임스탬프도 같이 나온다. 회의록 산출물에서 「누가 언제 말했는가」를 표로 만들 재료가 응답 안에 있다는 뜻이고, 그 표를 만드는 후처리는 우리가 쓴다.

요금은 시간 기준 종량제다

문서는 「CLOVA Speech 는 음성 인식 사용 시간에 따라 과금합니다」라고만 적고, 단가는 콘솔의 서비스 > AI Services > CLOVA Speech 요금 안내로 넘긴다. 공개 문서 페이지에서는 단가 숫자를 확인할 수 없었다 — 이 글에 금액을 적지 않는 이유다. 추정치를 적어 두면 그걸 근거로 예산을 잡는 사람이 생긴다.

예산을 가늠할 때 실무적으로 중요한 것은 단가보다 분모다. 시간 과금이므로 비용은 「월 녹음 시간」에 거의 비례한다. 주 5회 1시간 회의 × 4주 = 월 20시간이면 작은 숫자지만, 상담 녹취처럼 하루 수십 시간이 들어오는 업무는 자리수가 달라진다. 자체 구축과의 손익분기는 거기서 갈린다.

세 가지 길 비교

가운데 길이 기본값이어야 한다. 외부 반출이 막혀 있지 않고 월 녹음 시간이 수십 시간대라면, API 비용이 개발 비용보다 거의 항상 싸다. 같은 판단을 유형별로 정리한 글은 AI 음성인식 업체 추천에 있다.

흔한 실패 세 가지

1. CSR 을 골랐다. 검색하면 CSR 문서가 먼저 나오고 이름도 「음성 인식」이라 자연스럽게 고르게 된다. 그런데 CSR 은 1분 이내 명령형이고 녹음 파일 인식을 지원하지 않는다. 회의록이면 CLOVA Speech 장문 인식이다.

2. 단문 인식으로 회의 녹음을 보냈다. 같은 CLOVA Speech 안에서도 단문은 60초·10MB 다. STT001 은 허용 길이(60초)를 넘겼다는 뜻이고, 코드 문제가 아니라 호출한 기능이 틀린 것이다.

3. language 를 흘렸다. 필수 파라미터인데 기본값이 있을 것으로 보고 빼는 경우가 많다. STT004·STT005 가 그 자리다. 참고로 문서 표에 ko-kR 같은 표기가 섞여 있는데 실제 키는 ko-KR 이다 — 문서를 복사해 붙일 때 대소문자를 한 번 보는 것이 좋다.

네 번째를 덧붙이면, Invoke URL 을 공용 주소로 착각하는 것이다. 다른 글에서 본 URL 을 그대로 쓰면 인증이 통과되지 않는다. 우리 도메인의 연동 정보에서 받아야 한다.

녹음을 사내망 밖으로 못 내보내는 조직이라면

여기서 선택지가 하나로 줄어든다. 인사 면담, 고객 상담, 임상 기록, 수사·감사 회의 — 녹음 자체가 반출 금지인 업무는 외부 API 로 보내는 순간 요건을 어긴다. 리전이 국내라는 것과 우리 서버 안이라는 것은 다른 조건이다.

그 경우의 실무적 출발점은 오픈소스 전사다. 어떤 모델이 한국어에서 실제로 쓸 만한지는 한국어 STT 오픈소스 모델 비교에 측정값으로 정리해 뒀고, 로컬에서 도는 파이프라인을 처음부터 세우는 순서는 Whisper 로컬 전사 파이프라인에 있다.

자체 구축에서 비용이 드는 자리는 모델이 아니다. 모델은 내려받으면 된다. 돈과 시간이 드는 쪽은 긴 파일을 쪼개고 붙이는 처리, 화자 분리, 전문 용어 사전, 그리고 결과를 사람이 쓰는 화면까지 가져가는 배선이다.

전사가 끝이 아니다 — 팀 단위로 굴릴 때

전사기를 세우면 텍스트 파일이 쌓인다. 그 다음 질문이 실제 업무를 가른다. 누가 그 회의록을 열 수 있나. 지난달 그 안건이 어디서 논의됐는지 검색이 되나. 요약 양식이 팀마다 다르게 굴러가지 않나. 누가 무엇을 열어 봤는지 남나.

트리숲이 맡는 쪽은 사람이 붙는 전환 작업이다 — 진단, 파이프라인 설계, 사내 용어 반영, 담당자 교육까지. 그리고 전환이 끝난 뒤 그 상태가 계속 도는 기반은 트리나 AX로 넘긴다. 회사 서버에서 AI 가 돌고, 직원은 웹·데스크톱·휴대폰에서 그 AI 에게 회의록 요약과 검색을 맡긴다. AI 는 묻는 사람이 열 수 있는 회사 파일만 연다 — 권한이 없는 폴더는 이름조차 뜨지 않고, 누가 무엇을 열었는지는 감사 기록에 남는다. 반출 금지 녹음을 다루는 조직에서 이 두 줄이 실제 도입 가능 여부를 가른다.

회의록 자동화를 업무 흐름까지 묶는 작업은 업무 자동화 쪽에서 상담한다.

자주 묻는 질문

Q: 클로바노트 API 로 녹음 파일을 올려서 텍스트를 받을 수 있나요?

클로바노트 자체의 공개 API 는 네이버 클라우드 상품 문서에 없습니다(2026-11-11 확인). 같은 일을 하려면 CLOVA Speech 장문 인식을 호출합니다. 최대 2시간(동기)·6시간(Batch)·2GB 파일까지 받고, 화자 분리와 타임스탬프가 응답에 포함됩니다.

Q: CSR 과 CLOVA Speech 중 무엇을 써야 하나요?

녹음 파일이면 CLOVA Speech 입니다. CSR 은 1분 이내 명령형 음성에 최적화된 상품이고 문서에 파일 인식을 지원하지 않는다고 명시돼 있습니다. 음성 명령이나 짧은 메모를 받는 기능이면 CSR 이 맞습니다.

Q: 화자 분리를 쓰려면 따로 설정해야 하나요?

아니요. diarization.enable 의 기본값이 true 이므로 아무것도 안 쓰면 켜집니다. 1인 녹음처럼 분리가 불필요한 경우에 오히려 false 를 명시해야 합니다.

Q: 요금이 얼마인가요?

음성 인식 사용 시간 기준 종량제라고 문서에 적혀 있고, 단가는 콘솔의 CLOVA Speech 요금 안내에서 봅니다. 공개 문서 페이지에는 금액이 없어 이 글에는 적지 않았습니다. 비용은 월 녹음 시간에 거의 비례하므로, 그 시간부터 세고 자체 구축 고정비와 비교하는 순서가 맞습니다.

Q: 녹음을 외부로 보낼 수 없는데 방법이 있나요?

오픈소스 모델을 사내 서버에 올리는 방식입니다. 모델 선택은 측정된 비교표를 보고 정하고, 비용은 모델이 아니라 분할·화자 분리·용어 사전·화면 배선에서 발생합니다. 반출 금지 요건이 있는 조직은 처음부터 이 경로로 설계하는 편이 되돌리는 비용보다 쌉니다.

정리

「클로바노트 API」라는 검색어에 대한 답은 짧다 — 앱에는 없고, 개발자가 쓰는 것은 CLOVA Speech 다. 그다음은 숫자 세 개로 갈린다. 녹음이 60초를 넘는가(장문 인식), 2시간을 넘는가(Batch), 그리고 사내망을 나갈 수 있는가. 앞의 둘은 파라미터 문제이고 마지막 하나는 아키텍처 문제다. 세 번째에서 「안 된다」가 나오면 상품 비교는 거기서 끝나고, 자체 구축을 어떻게 세울지가 실제 과제가 된다.

출처

• CLOVA Speech 개요 — NAVER Cloud Platform 가이드
• CLOVA Speech 지원 사양 — 인식 가능 시간·파일 크기·지원 언어
• CLOVA Speech API — Object Storage 파일 인식 (요청 파라미터·오류 코드)