Whisper를 설치할 가치가 있는지는 얼마나 전사해야 하는지와 가진 하드웨어에 달려 있습니다. OpenAI가 2022년에 공개한 오픈소스 음성 인식 모델로, 오디오는 자신의 컴퓨터에서 전사되며 분당 요금이 없습니다. 가끔 녹음 한두 개만 있는 사람은 기성 전사 서비스를 쓰는 편이 낫고, 매주 회의나 인터뷰, 팟캐스트를 처리하는 사람은 한 번 설치로 비용과 대기 시간을 확실히 아낄 수 있습니다.
공식 저장소 정보
공식 저장소는 GitHub에 있으며, 조직 이름은 openai, 프로젝트 이름은 whisper이고, 코드와 모델 가중치는 MIT 라이선스로 공개됩니다. 모델은 tiny, base, small, medium, large, turbo 여섯 가지 크기로 나오며, VRAM 참고치는 tiny와 base가 각 약 1GB, small이 약 2GB, medium이 약 5GB, turbo가 약 6GB, large가 약 10GB이고, 속도는 large를 기준으로 하며 tiny가 가장 빠릅니다. 실제 사용량은 실행 환경에 따라 달라지므로, 먼저 이 표에 맞춰 자신의 그래픽 카드를 확인하세요. GPU가 전혀 없어도 tiny나 base부터 시작할 수 있습니다.
배포 자체는 복잡하지 않습니다. 시간이 드는 것은 실행 환경을 고르는 일입니다. 원본 버전은 Python과 FFmpeg으로 실행되고, 속도를 원하면 faster-whisper, CPU나 Apple Silicon에서 돌리려면 whisper.cpp를 씁니다. 모델은 처음 실행할 때 다운로드되고, 그 뒤에는 완전히 오프라인으로 동작합니다. 화면이 없는 것이 이 도구의 본질입니다. 오디오를 텍스트로 바꾸는 일만 하므로, 받아쓰기나 실시간 자막, 자동 구간 나누기는 다른 도구를 연결해야 합니다. 설치 직후 이것으로 회의를 열 수 있다고 기대하지 마세요.
설치 전에 알아야 할 실제 함정 세 가지
- 조용한 구간에서 환각이 생기기 쉽습니다. 긴 침묵이나 배경 소음이 있으면 아무도 말하지 않은 말을 모델이 써낼 수 있습니다. 앞에 음성 활동 감지를 넣고 긴 오디오를 구간으로 나눈 뒤 전사하면 눈에 띄게 줄어듭니다.
- 고유명사와 사람 이름은 그래도 틀립니다. 이름과 장소, 제품 이름은 사람이 확인해야 하며, 중요한 자리에서는 전사본을 확인 없이 보내지 마세요. 숫자와 시간은 특히 원본 오디오와 대조해야 합니다.
- 긴 오디오에서는 타임스탬프가 어긋납니다. 두세 시간짜리 녹음에서는 구간 경계와 화자 전환 지점에서 정렬이 가장 어긋나기 쉬우므로, 전사 초안으로는 쓸 수 있지만 최종 회의록으로는 쓸 수 없습니다.
매주 정해진 일정으로 전사하고, 오디오가 자신의 기계를 벗어나지 않기를 바라는 사람에게 맞습니다. 클릭 한 번으로 바로 쓰고 싶은 사람이나, small조차 돌리기 어려울 만큼 오래된 컴퓨터를 쓰는 사람에게는 맞지 않습니다. 후자라면 먼저 짧은 녹음으로 small을 시험해 보고, 돌아간다면 large로 올릴지 결정하세요.
