음성 텍스트 변환 (회의록)
회의·강의 녹음이나 동영상의 말소리를 글로 받아 적습니다. Whisper 인공지능이 한국어를 인식하고 시간별 텍스트와 SRT 자막으로 저장하며, 녹음은 서버로 전송되지 않습니다.
내 기기 안에서만 처리돼요. 서버로 전송하지 않아요.
관련 도구
동영상 MP3 추출
동영상에서 소리만 뽑아 MP3 파일로 저장합니다. 음질(비트레이트)을 고를 수 있고 MP4·MOV·MKV·WebM 등 여러 형식을 지원합니다. 파일은 서버로 전송되지 않습니다.
동영상 자르기
동영상에서 원하는 구간만 잘라 저장합니다. 미리보기로 시작·끝 지점을 고르고, 다시 인코딩하지 않는 빠른 자르기와 프레임 단위 정확한 자르기 중 선택할 수 있습니다.
동영상 용량 줄이기
동영상을 H.264 MP4로 다시 압축해 용량을 줄입니다. 해상도와 화질을 고를 수 있고 줄어든 용량을 바로 보여 줍니다. 영상은 서버로 전송되지 않고 브라우저 안에서만 처리됩니다.
자주 묻는 질문
녹음 파일이 서버로 올라가나요?
아니요. 음성 인식은 Transformers.js가 Whisper 모델을 브라우저 안에서 실행해 처리합니다. 외부에서 받아 오는 것은 인식 모델 파일(Hugging Face)과 실행 엔진(이 사이트)뿐이며, 녹음 내용과 받아 적은 글은 내 기기 밖으로 나가지 않습니다.
'정확'과 '빠름' 모델은 얼마나 차이 나나요?
잡음과 울림을 섞은 48초짜리 한국어 회의 녹음으로 직접 비교했을 때 글자 오류율이 '정확(small)' 약 8%, '빠름(base)' 약 14%였습니다. 깨끗한 녹음에서는 둘 다 5% 안팎으로 비슷합니다. 대신 '빠름'은 내려받는 양이 3분의 1 수준이고 인식도 더 빠릅니다.
얼마나 걸리나요?
기기와 모델에 따라 다릅니다. 컴퓨터 CPU로 48초짜리 녹음을 받아 적었을 때 '빠름' 모델은 약 30초, '정확' 모델은 약 75초가 걸렸습니다. WebGPU를 쓸 수 있는 브라우저에서는 대개 더 빠릅니다. 처음 한 번은 모델 내려받는 시간이 더해집니다.
영어나 다른 언어도 되나요?
언어에서 '영어'를 고르거나 '자동 감지'를 고르면 Whisper가 지원하는 여러 언어를 받아 적습니다. 한국어와 영어가 섞인 회의는 '한국어'로 두면 영어 낱말도 대부분 그대로 적힙니다.
말하는 사람을 구분해 주나요?
아니요. 화자 구분 기능은 없어서 모든 발언이 시간 순서로 한 목록에 적힙니다. 시각이 함께 적혀 있으니 원본을 들으며 이름을 붙여 정리하면 됩니다.
음성 텍스트 변환 (회의록), 어떤 도구인가요?
회의·강의·인터뷰 녹음이나 동영상 속 말소리를 글로 받아 적습니다. OpenAI의 음성 인식 모델 Whisper를 브라우저 안에서 실행해 한국어(영어·자동 감지도 가능)를 텍스트로 바꾸고, 말한 시각이 붙은 TXT와 영상에 바로 쓸 수 있는 SRT 자막 파일로 저장합니다. 인식하는 동안 받아 적은 문장이 차례로 나타나 진행 상황을 바로 볼 수 있습니다. 녹음 파일은 서버로 전송되지 않으며, 처음 한 번 인식 모델을 내려받아 브라우저에 저장해 둡니다.
이럴 때 쓰세요
회의록 초안 만들기
휴대폰으로 녹음한 회의 파일(M4A)을 올리면 발언이 시각과 함께 정리됩니다. 결과를 복사해 회의록 양식에 붙이고, 잘못 들은 이름·숫자만 고치면 처음부터 받아 적는 것보다 훨씬 빠릅니다.
강의·인터뷰 녹취록
강의 녹음이나 인터뷰 영상을 텍스트로 바꿔 복습 노트나 기사 초안의 재료로 씁니다. 시각이 붙어 있어 원본에서 해당 부분을 다시 찾아 듣기 쉽습니다.
동영상 자막 파일 만들기
SRT 자막으로 저장하면 유튜브·영상 편집 프로그램에 그대로 불러올 수 있습니다. 자동 자막의 뼈대를 만든 뒤 틀린 부분만 다듬으면 됩니다.
사용 방법
녹음·동영상 파일 올리기
받아 적을 파일 1개를 선택합니다. 파일 이름 옆에 길이와 용량이 표시됩니다.
- M4A(아이폰 음성 메모)·MP3·WAV·AAC·FLAC·OGG 같은 소리 파일과 MP4·MOV·WebM 같은 동영상을 받습니다. 최대 2GB, 2시간까지입니다.
- 브라우저가 직접 열지 못하는 형식(MKV·AVI·WMA 등)은 동영상 변환 엔진으로 소리만 뽑아 인식합니다.
모델과 언어 고르기
인식 모델은 '정확(Whisper small)'과 '빠름(Whisper base)' 중에서, 언어는 한국어·영어·자동 감지 중에서 고릅니다.
- 잡음이 섞인 회의 녹음은 '정확' 모델이 훨씬 덜 틀립니다. 내려받는 양이 크므로 휴대폰에서는 '빠름'이 기본입니다.
- 목록에 고른 모델을 처음 쓸 때 내려받을 양이 표시됩니다. 한 번 받은 모델은 브라우저에 저장되어 다음부터는 바로 시작합니다.
- 그래픽 처리 장치(WebGPU)를 쓸 수 있는 브라우저에서는 GPU로, 그렇지 않으면 CPU로 인식합니다.
변환하고 저장하기
'텍스트로 변환'을 누르면 모델을 준비한 뒤 약 30초 단위로 받아 적은 문장을 보여 줍니다. 끝나면 TXT·SRT로 내려받거나 텍스트를 복사합니다.
- 진행 중에는 처리한 길이와 남은 시간 추정치가 표시되고, 언제든 '취소'로 멈출 수 있습니다.
- '시간 표시'를 끄면 시각 없이 문장만 담긴 TXT로 저장·복사합니다.
- 결과 파일 이름은 원본 이름에 .txt·.srt를 붙인 이름입니다.
자주 나는 문제와 해결
- 이름·숫자·전문 용어가 틀리게 적혀요
- Whisper는 들은 소리를 가장 그럴듯한 낱말로 적기 때문에 사람 이름이나 회사 내부 용어는 틀리기 쉽습니다. '빠름'으로 받았다면 '정확' 모델로 다시 해 보고, 남은 부분은 결과를 복사해 직접 고쳐 주세요. 숫자는 '십이 퍼센트'처럼 말해도 '12%'로 적는 경우가 많습니다.
- 말하지 않은 문장이 들어가거나 같은 말이 반복돼요
- 긴 무음이나 음악, 큰 잡음 구간에서 Whisper가 없는 말을 지어낼 때가 있습니다. 거의 무음인 구간은 자동으로 건너뛰지만, 배경 소리가 큰 구간은 남을 수 있습니다. '정확' 모델이 이런 일이 훨씬 적습니다.
- 모델 내려받기가 멈추거나 실패해요
- 모델은 Hugging Face 저장소에서 받습니다. 회사·학교 네트워크에서 해당 주소가 막혀 있으면 실패할 수 있으니 다른 네트워크에서 시도해 주세요. 내려받던 중 탭을 닫았다면 다시 실행할 때 처음부터 받습니다.
- '브라우저 메모리가 부족해요'라는 오류가 나요
- 긴 녹음은 소리 데이터만으로 1시간에 약 230MB를 씁니다. 다른 탭을 닫고 '빠름' 모델로 다시 시도하거나, '동영상 자르기'로 녹음을 나눠 차례로 변환해 주세요.
주의사항
- 자동 인식 결과는 틀릴 수 있습니다. 공식 회의록이나 법적 기록으로 쓰기 전에 반드시 원본과 대조해 확인하세요.
- 말하는 사람을 구분(화자 분리)하지는 않습니다. 여러 사람이 말한 내용이 시간 순서대로 한 목록에 적힙니다.
- 녹음 파일은 전송되지 않지만, 처음 사용할 때 인식 모델(정확 약 250MB·빠름 약 80MB, WebGPU 사용 시 더 큼)을 내려받으므로 모바일 데이터 대신 와이파이에서 쓰는 것을 권합니다.