음성을 텍스트로 변환

이 페이지에서 음성이 텍스트로 변환되는 방식

브라우저는 마이크 입력을 Opus 오디오(Chrome, Firefox, Edge) 또는 AAC(Safari)로 녹음하여 메모리에 보관합니다. 확인하면 파일은 HTTPS를 통해 당사의 트랜스크립션 서버 중 하나로 업로드됩니다.

서버에서는 ffmpeg가 오디오를 디코딩하고, 오픈 소스 음성 인식 모델인 Whisper가 문장 부호와 문장 구분을 포함하여 한 번에 텍스트로 변환합니다. 화자 감지가 활성화된 경우, 화자 분리 모델이 먼저 오디오를 화자별로 분할하고 그에 따라 트랜스크립트에 표시합니다.

트랜스크립트는 일반적인 문장 부호와 단락 구분이 포함된 일반 UTF 8 텍스트 파일로 저장되므로 모든 편집기, 워드 프로세서 또는 메모 앱에서 열 수 있으며 어디에나 붙여넣을 수 있습니다. 결과 페이지에서 다운로드할 수 있으며, 이후 오디오와 트랜스크립트는 자동으로 삭제됩니다.

어떤 설정보다 중요한 녹음 팁

음성 인식의 품질은 오디오 품질에 달려 있습니다. 가장 큰 차이를 만드는 요소는 세 가지입니다. 거리, 소음, 그리고 발화 겹침입니다. 마이크는 입에서 10~20cm 거리를 유지하세요. 테이블 건너편의 노트북보다 가까이 든 휴대폰이 더 좋습니다. 선풍기를 끄고, 창문을 닫고, 울림이 심한 공간은 피하세요.

평소 속도로 말하고 문장을 끝까지 마무리하세요. 모델은 문맥을 활용하므로, 반쯤 끝난 문장이나 군더더기 말은 조금 더 천천히 하더라도 완성된 문장보다 텍스트 품질이 떨어집니다. 인터뷰에서는 서로의 말을 겹쳐 하지 않도록 요청하세요. 발화가 겹치는 경우는 어떤 음성 인식기에도 가장 어려운 상황입니다.

시작하기 전에 미리 듣기를 확인하세요. 레벨 미터가 거의 움직이지 않거나 계속 최고 수준에 머문다면, 텍스트 변환이 제대로 되기를 기대하기보다 다시 녹음하세요.

음성을 텍스트로 변환하는 일반적인 활용 사례

이 도구는 타이핑보다 말하기를 선호하거나 채팅 앱 외부에서 음성 메시지가 필요한 분들이 사용합니다. 말로 이메일이나 글을 작성하고, 회의록을 기록하며, 강의나 음성 메모를 검색 가능한 노트로 바꾸고, 연구를 위해 인터뷰 답변을 받아쓰고, 지금은 재생할 수 없는 음성 메시지를 읽기 쉬운 텍스트로 확인할 수 있습니다.

Whisper는 언어를 자동으로 감지하므로 별도의 설정 없이도 독일어 받아쓰기, 스페인어 음성 메모, 영어 강의에 동일한 페이지를 사용할 수 있습니다. 텍스트는 번역되지 않으며, 음성으로 말한 언어 그대로 작성됩니다.

팟캐스트, 강의, 통화 녹음처럼 이미 파일로 저장된 오디오의 경우에도 이 사이트의 오디오-텍스트 변환기와 MP3 텍스트 변환기는 동일한 옵션으로 같은 엔진을 사용합니다.

이 도구로 할 수 없는 작업

번역 기능은 제공하지 않습니다. 전사 결과는 음성 언어로 생성됩니다. 자막 시간 정보도 생성하지 않으므로 SRT 또는 VTT 파일이 필요하면 이 사이트의 자막 변환기를 사용하세요. 화자 감지가 켜져 있을 때도 화자의 이름은 식별하지 않고 화자 변경만 감지합니다. 또한 녹음에서 들리지 않는 단어는 복원할 수 없습니다.

고유명사, 제품명, 드문 약어에서 오류가 가장 자주 발생합니다. 이러한 부분을 염두에 두고 결과를 빠르게 검토하는 것만으로도 깨끗한 녹음에 필요한 편집은 대부분 충분합니다.