음성 메시지 하나로 회의록 + 블로그 자동 생성 — Gemini STT의 힘

텔레그램 봇에 음성 메시지를 보내면 Gemini가 전사하고, 회의록이나 블로그로 자동 변환한다. 아이폰에서 녹음만 하면 끝이다.

게시
Preview Image
By Wonder
조회 11 분 읽는 시간
음성 메시지 하나로 회의록 + 블로그 자동 생성 — Gemini STT의 힘

음성 녹음 하나가 완성된 문서가 되려면 몇 단계가 필요할까?

결론부터 말하면, 텔레그램에 음성 메시지 하나 보내면 5분 후에 회의록이든 블로그든 완성본이 온다. 추가 서비스 없이, 이미 쓰고 있던 Gemini API 하나로 전부 처리된다. 추가 비용 $0.

나는 회의가 싫은 게 아니다. 회의 끝나고 30분씩 회의록을 정리하는 그 과정이 싫다. 맥북에서 녹음하고, STT 돌리고, Gemini로 정리하고, 노션에 복붙하는 4단계 루틴. 블로그도 마찬가지다 – 경험이 생생할 때 음성으로 쭉 녹음하고, 나중에 텍스트로 옮기고, 블로그 형태로 다듬는 그 반복.

이 중간 과정 전부가 자동화 대상이다. 그래서 없앴다.

설계 — 기존 파이프라인에 음성 입력만 추가

핵심 아이디어는 단순하다. 기존 봇에 이미 텍스트 -> 블로그 기능이 있었다. 여기에 음성 -> 텍스트 변환 레이어만 하나 추가하면 된다.

1
2
3
4
5
6
7
8
9

아이폰에서 음성 녹음
  ↓
텔레그램으로 전송
  ↓
Gemini STT → 텍스트 전사
  ↓
[📋 회의록]  [📝 블로그]  ← 인라인 키보드
  ↓                ↓
노션용 마크다운    블로그 포스트 + 이미지 3장

사용자 입장에서 녹음을 텔레그램에 보내면 전사 결과와 버튼 두 개가 온다. 버튼 하나 누르면 회의록이든 블로그든 완성이다. 중간 과정이 완전히 사라졌다.

개념도

Gemini STT — 새 서비스 추가 없이 해결하는 법

별도의 STT 서비스를 추가하고 싶지 않았다. 의존성이 늘어나면 관리 비용이 늘어나고, 장애 포인트도 늘어난다.

다행히 이미 이미지 생성에 쓰고 있던 Gemini API가 오디오도 처리한다. Gemini는 멀티모달 모델이라서 텍스트, 이미지, 오디오를 동시에 이해한다. 오디오 바이너리를 넣고 “전사해줘” 한 마디면 끝이다. 추가 의존성 0개, 추가 API 키 0개.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# bot/stt.py — 핵심 부분
from google import genai
from google.genai import types

async def transcribe_audio(audio_data: bytes, mime_type: str = "audio/ogg") -> dict:
    client = genai.Client(vertexai=True, project="...", location="us-central1")

    audio_part = types.Part(
        inline_data=types.Blob(mime_type=mime_type, data=audio_data)
    )

    response = await asyncio.to_thread(
        client.models.generate_content,
        model="gemini-2.5-flash",
        contents=[audio_part, "이 오디오를 한국어로 정확하게 전사해줘."],
    )

    return {"text": response.candidates[0].content.parts[0].text}

기술적으로 주목할 포인트 네 가지:

  • types.Blob으로 오디오 바이너리를 인라인 전달한다. 파일 업로드 API를 별도로 호출할 필요가 없다.
  • 텔레그램 음성 메시지 포맷이 OGG Opus인데, Gemini가 이를 네이티브로 지원한다. 포맷 변환 불필요.
  • gemini-2.5-flash가 1순위, gemini-2.0-flash가 폴백이다. 이미지 생성과 동일한 폴백 패턴을 적용했다.
  • 기존 google-genai SDK를 그대로 사용한다. 새로 설치할 패키지가 없다.

텔레그램 음성 핸들러 — 구현 상세

음성 메시지를 받으려면 filters.VOICE | filters.AUDIO 필터를 등록한다.

1
2
3

# bot/main.py
app.add_handler(MessageHandler(filters.VOICE | filters.AUDIO, handle_voice))
app.add_handler(CallbackQueryHandler(handle_voice_callback, pattern="^voice_"))

음성 메시지가 도착했을 때의 처리 흐름은 세 단계다:

  1. 다운로드 – media.get_file() -> download_as_bytearray()로 바이너리 획득
  2. Gemini STT – 오디오 바이너리를 Gemini에 전달해서 텍스트 전사
  3. 미리보기 + 선택 – 전사 결과 300자 미리보기와 인라인 키보드를 표시
1
2
3
4
5

keyboard = [[
    InlineKeyboardButton("📋 회의록", callback_data="voice_minutes"),
    InlineKeyboardButton("📝 블로그", callback_data="voice_blog"),
]]
reply_markup = InlineKeyboardMarkup(keyboard)

인터페이스는 버튼 두 개가 전부다. 회의록이냐 블로그냐. 이 선택에 따라 후속 파이프라인이 분기된다.

인라인 키보드 선택

회의록 모드 — 노션에 바로 복붙 가능한 구조화된 출력

“📋 회의록” 버튼을 누르면 Claude가 전사 텍스트를 구조화된 마크다운으로 변환한다. 출력 포맷은 노션 호환성을 고려해서 설계했다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

## 회의록 — 2026-02-08

### 참석자
- 홍길동, 김개발

### 주요 안건
1. Q1 마케팅 전략 논의
2. 신규 기능 로드맵 확정

### 논의 내용
**1. Q1 마케팅 전략**
- SNS 광고 예산 30% 증액 제안
- 인플루언서 협업 3건 진행 예정
...

### 결정 사항
- [ ] SNS 광고 예산안 최종 검토 (김개발, 2/15까지)
- [ ] 인플루언서 리스트 작성 (홍길동, 2/12까지)

### Action Items
| 담당자 | 항목 | 기한 |
|--------|------|------|
| 김개발 | 예산안 검토 | 2/15 |
| 홍길동 | 인플루언서 리스트 | 2/12 |

이걸 노션에 그대로 붙여넣으면 체크박스, 테이블 전부 깔끔하게 렌더링된다. 회의 끝나고 녹음 파일 하나 보내면 회의록이 완성된다. 30분씩 정리하던 시간이 0이 됐다.

블로그 모드 — 음성에서 이미지 포함 포스트까지 원스톱

“📝 블로그” 버튼을 누르면 기존 /blog 파이프라인을 탄다. 여기가 이 시스템의 진짜 강점이다.

  1. 나노바나나(Gemini)로 이미지 3장 자동 생성
  2. Claude가 전사 내용을 기반으로 블로그 글을 재구성
  3. frontmatter + 이미지가 삽입된 마크다운 파일 생성
  4. draft: true로 저장 -> /publish로 발행

실전 시나리오를 하나 들어본다. 미팅을 다녀와서 걸으면서 음성 녹음을 한다. 텔레그램에 전송한다. 블로그 버튼을 탭한다. 5분 후에 이미지 3장이 포함된 블로그 초안이 완성되어 있다. 이게 실제로 동작한다. 내가 만들어놓고도 매번 놀란다.

결과 이미지

전체 아키텍처

1
2
3
4
5
6
7
8
9
10
11
12
13

📱 iPhone
  │ 음성 녹음 / 오디오 파일
  ↓
🤖 Telegram Bot (handle_voice)
  │ 1. 오디오 다운로드
  │ 2. Gemini STT (audio → text)
  ↓
📝 전사 결과 + 인라인 키보드
  ├─ [📋 회의록] → Claude → 노션용 마크다운
  │
  └─ [📝 블로그] → 나노바나나 이미지 3장
                  → Claude → 블로그 포스트 (draft)
                  → /publish → git push → 배포

새로 만든 파일은 bot/stt.py 딱 하나다. 나머지는 전부 기존 코드에 핸들러를 추가한 수준이다. 이게 가능한 이유는 처음부터 파이프라인을 모듈화해뒀기 때문이다.

코드 변경 요약

파일변경설명
bot/stt.py신규Gemini STT 모듈 (80줄)
bot/handlers.py추가음성 핸들러 + 콜백 핸들러 (170줄)
bot/main.py추가핸들러 등록 (6줄)

추가 의존성은 0개다. 이미 사용 중인 google-genai와 python-telegram-bot으로 전부 해결했다. 새 기능을 추가하는데 새 라이브러리가 필요 없다는 건, 기존 아키텍처 선택이 맞았다는 의미이기도 하다.

시리즈 진행 상황

  1. AI 비서 소개 ✅
  2. 텔레그램 봇 구축 ✅
  3. OpenClaw 스타일 메모리 ✅
  4. 나노바나나 이미지 생성 ✅
  5. 음성 → 회의록/블로그 자동 생성 ← 지금 이 글

음성 하나가 완성된 글이 된다. 추가 비용 $0, 추가 의존성 0개. 가장 좋은 자동화란 결국, 중간 과정을 통째로 없애는 것이다.

tech
음성인식 STT Gemini 텔레그램 텔레그램봇 회의록자동화 자동화 Claude-Code 클로드코드
이 기사는 저작권자의 CC BY 4.0 라이센스를 따릅니다.