Whisper 사용법, 무료로 녹음을 글자로 바꾸는 순서

자주 묻는 것

Whisper 대표 이미지

회의 녹음을 글자로 바꾸고 싶은 분께

시작 전에 확인할 것

조금 더 자세히

Whisper는 어떤 별인가요?

Whisper는 소리를 듣고 받아쓰기를 해 주는 음성 인식(ASR) 엔진입니다. OpenAI가 만들었고, 코드는 GitHub에 공개돼 있어요. 누구나 가져다 쓰고 고칠 수 있다는 뜻입니다.

속은 딥러닝이에요. GPT-3와 DALL-E에도 쓰인 Transformer 구조를 바탕으로 만들어졌다고 합니다. 음성 인식 성단에서 '코드를 통째로 열어 둔' 별이라고 보면 쉬워요. 예쁜 창이 달린 앱이라기보다, 내가 직접 연료를 넣어 띄우는 별에 가깝습니다.

그래서 개발 경험이 조금 있거나, 따라 할 의지가 있는 분에게 맞아요. 자기 서비스에 음성 인식을 넣고 싶은 개발자에게도 후보가 됩니다.

받아쓰기 말고 또 뭘 하고, 어디에 쓰나요?

여러 나라 말을 알아듣는 게 강점이에요. 영어, 스페인어, 프랑스어, 중국어, 러시아어, 아랍어가 예로 소개돼 있습니다. 어떤 언어인지 스스로 알아맞히는 기능도 있어서 언어가 섞인 녹음을 다룰 때 편합니다.

한 언어의 말을 다른 언어로 옮기는 음성 번역 모델도 같이 들어 있어요. 배경 소음이 있는 환경에서도 잘 작동하도록 만들어졌다고 하지만, 소음이 심한 녹음에서 정확도가 어느 정도인지는 근거 자료에 수치가 없습니다.

쓰임새는 분명해요. 회의·강의 녹음을 문서로 옮기기, 영상 자막 만들기, 청각 장애가 있는 분을 위한 글자 안내, 쌓아 둔 오디오 파일을 글자로 바꿔 검색하기. 음성 비서나 챗봇에 말귀를 달아 주는 개발에도 쓰입니다.

시작하려면 무엇이 필요한가요?

순서는 단순합니다. Python 설치, pip install로 Whisper 설치, load_model로 모델 불러오기, 오디오 파일 경로를 넘겨 변환 실행. 오디오 처리에는 FFmpeg라는 멀티미디어 프로그램이 쓰이니 같이 준비해야 해요.

wav와 mp3를 포함해 여러 형식의 파일을 읽을 수 있습니다. 헷갈리기 쉬운 곳은 모델 크기예요. 큰 모델일수록 인식은 강력하지만 컴퓨터를 많이 씁니다. 처음에는 내 컴퓨터 사양과 맞춰서 고르는 게 좋아요.

설명 글이 따로 있는 게 아니라 명령어를 직접 입력하는 방식이라, 처음 한 번은 시간이 걸립니다. 한 번 환경을 만들어 두면 그다음 파일부터는 같은 방식으로 반복하면 돼요.

정말 무료인가요? 돈이 드는 구간은요?

Whisper 자체는 오픈 소스라서 무료로 쓰고 고칠 수 있습니다. 다만 더 빠른 처리를 위해서는 전용 GPU(그래픽 처리 장치)가 필요하다고 안내돼 있어요. GPU가 없으면 느릴 수 있으니, 변환 시간이 곧 비용인 셈입니다.

개발자가 자기 앱에 넣을 수 있는 Whisper API도 따로 있어요. 이쪽 요금은 공식 요금 화면에서 확인하세요. 이 글에서는 근거 자료에 가격이 없어 숫자를 적지 않았습니다.

정리하면 프로그램값은 0원이지만 컴퓨터 사양과 기다리는 시간은 내가 내는 구조예요. 자세한 소개는 Speechify의 Whisper 소개 글에도 나와 있습니다.

어떤 사람에게는 안 맞고, 오늘 뭘 해보면 되나요?

설치형이라 비개발자에게는 첫 문턱이 높아요. 파일을 끌어다 놓으면 끝나는 앱을 기대했다면 실망할 수 있습니다. GPU 없이 긴 녹음을 돌리면 오래 걸릴 수 있다는 점도 아쉬워요. 코딩 없이 바로 쓰고 싶은 분, 컴퓨터 사양이 낮은 분에게는 맞지 않을 수 있습니다.

한국어도 짚어 둘게요. 근거 자료의 지원 언어 예시에는 한국어가 없고, 한국어 정확도 설명도 없었습니다. 한국어 녹음이 많다면 최신 공식 문서에서 지원 언어를 먼저 확인하세요.

오늘 할 일은 하나예요. 1~2분짜리 녹음으로 인식 품질과 속도를 먼저 봅니다. 이름이나 연락처가 든 녹음은 어디서 처리되는지 확인한 뒤에 쓰세요. 이 글은 직접 써 본 후기가 아니라 공개된 소개 글을 바탕으로 한 정리입니다.