음성 텍스트 변환

이 도구가 하는 일

이 음성 텍스트 변환 도구는 오디오나 동영상 파일을 받아쓰기 텍스트 또는 SRT·VTT 자막으로 바꿉니다. 아무것도 업로드하지 않습니다. OpenAI의 음성 인식 모델 Whisper를 브라우저에서 직접 실행하므로 인터뷰, 회의, 강의, 음성 메모, 팟캐스트를 무료로 안전하게 받아쓸 수 있습니다. Whisper는 다른 언어의 음성을 바로 영어 텍스트로 번역할 수도 있습니다.

파일을 고르면 페이지가 브라우저의 Web Audio API로 오디오 트랙을 디코딩하고 Whisper가 요구하는 16 kHz 모노로 리샘플링한 뒤, 백그라운드 Worker에서 30초 단위(앞뒤를 조금 겹쳐서)로 받아씁니다. 그래서 긴 녹음도 처리할 수 있습니다. 결과는 출력 상자에 나타나며 복사하거나 .txt, .srt, .vtt로 내려받을 수 있습니다.

사용 방법

1. 모델을 고릅니다. Tiny가 가장 빠르고 Small이 가장 정확하며 Base(기본값)는 균형이 좋습니다.
2. 모델 다운로드 후 시작을 누릅니다. 처음에는 진행률과 함께 내려받고, 이후에는 브라우저 캐시에서 금방 불러옵니다.
3. 오디오나 동영상 파일을 페이지에 놓거나 파일 선택을 누릅니다. 대부분의 브라우저에서 MP3, WAV, M4A, AAC, OGG, Opus, FLAC, WebM, MP4를 최대 500 MB까지 지원합니다. 파일 이름, 길이, 크기가 표시됩니다.
4. 받아쓰기가 자동으로 시작되고 완료된 구간 수가 표시됩니다. 언어나 작업을 바꾼 뒤에는 다시 받아쓰기를 누릅니다.
5. 출력 형식은 텍스트, SRT, VTT 사이에서 언제든 바꿀 수 있고 다시 받아쓸 필요가 없습니다. 그다음 복사하거나 다운로드하세요.

음성 언어는 처음 30초로 자동 감지합니다. 직접 지정하면 더 빠르고 짧은 클립에서도 덜 틀립니다. 영어로 번역을 고르면 다른 언어의 음성에서 영어 텍스트를 얻습니다. 모델, 언어, 작업, 형식은 페이지 주소에 저장되므로 공유 버튼으로 같은 설정을 보낼 수 있습니다. 파일 자체는 링크에 포함되지 않습니다.

예시

두 문장짜리 클립을 SRT로 내보내면 다음과 같습니다.

1
00:00:00,000 --> 00:00:03,240
Welcome back to the show.

2
00:00:03,240 --> 00:00:07,800
Today we are talking about speech recognition.

VTT는 같은 구간에 WEBVTT 헤더를 붙이고 밀리초 앞에 점을 쓰는 형식으로, HTML5 동영상 플레이어가 읽습니다.

개인정보, 정확도, 브라우저 요구 사항

모델 다운로드 이후의 모든 처리는 기기 안에서 이루어지므로 기밀 녹음에도 쓸 수 있습니다. WebAssembly를 지원하는 최신 Chrome, Edge, Firefox, Safari가 필요합니다. WebGPU를 쓸 수 있으면(대부분의 데스크톱 Chrome, Edge) 자동으로 사용해 훨씬 빠르고, 아니면 WebAssembly로 동작합니다. 긴 파일은 메모리가 필요합니다. 한 시간 분량은 디코딩 후 수백 MB를 쓰고, Small 모델은 Tiny나 Base보다 메모리를 더 씁니다. 휴대폰에서는 무거운 탭을 닫으세요. 끝날 때까지 탭을 열어 두세요.

Whisper는 또렷한 말소리에 강하고 억양과 배경 소음도 어느 정도 견디지만 이름과 전문 용어를 잘못 들을 수 있고, 무음이나 음악 구간에서 문장을 반복하거나 지어내기도 합니다. 게시하기 전에 결과를 검토하세요. 화자는 구분하지 않으며, 동영상 파일은 브라우저가 그 오디오 코덱을 디코딩할 수 있을 때만 받아쓸 수 있습니다.