오디오를 텍스트로

인터뷰, 강의 녹음, 이동 중에 떠오른 아이디어를 담은 음성 메모 - 이 도구는 녹음을 듣고 검색과 복사가 가능한 텍스트로 옮겨 적습니다. 인식 모델은 OpenAI의 Whisper이며, 여기서는 별도로 컴파일된 단일 스레드 WebAssembly로 동작합니다 - 잘 알려진 여러 전사 서비스가 쓰는 것과 동일한 기반 기술이지만, 여기서는 외부 서버가 아니라 사용자의 기기에서 전부 처리됩니다.

기본적으로 Whisper는 말하는 언어를 스스로 인식합니다(자동 감지) - 짧거나 여러 언어가 섞인 녹음에서는 언어를 직접 지정할 수도 있으며, 이렇게 하면 인식률과 처리 속도가 조금 나아질 수 있습니다. 결과는 발화 구간마다 문단으로 나뉜 연속된 텍스트로 표시됩니다. 자막용 타임스탬프가 필요한 영상이라면 동일한 인식 엔진을 사용하되 정확한 시간 정보를 담은 SRT/VTT 파일로 출력하는 자매 도구 영상을 자막으로를 이용하세요.

공유 메모리 없이(크로스 오리진 격리 없이) 동작하기 때문에 인식은 다중 스레드가 아닌 단일 스레드로 진행됩니다 - 정확하지만 서버 기반 서비스보다 눈에 띄게 느립니다. 그래서 이 사이트의 다른 오디오 도구보다 훨씬 엄격한 길이 상한이 적용됩니다 - 잘못된 속도를 약속하기보다는 정직하게 느린 편을 택했습니다.

기술 사양

3단계로

1. 오디오 파일을 놓으세요.
2. 언어를 선택하거나 자동 감지로 두세요.
3. 인식된 텍스트를 복사하거나 TXT로 다운로드하세요.

제한: 단일 스레드로 동작하며(이 사이트에는 크로스 오리진 격리 모드가 없습니다) 서버 기반 서비스보다 눈에 띄게 느립니다 - 그래서 이 사이트의 다른 오디오 도구보다 기기별 길이 상한이 훨씬 엄격합니다. 가벼운 tiny 모델 단계를 사용하므로 또렷한 발화에는 좋지만, 배경 소음이 심하거나 방언, 전문 용어가 많은 경우에는 더 큰 모델보다 정확도가 떨어집니다. 인식 결과가 완벽하지는 않으니, 특히 고유명사와 숫자는 결과를 꼭 확인하세요.

자주 묻는 질문

관련 도구

영상을 자막으로 · 노이즈 제거 · 이미지 텍스트 추출 (OCR) · 파형 이미지 · 오디오 녹음 · 채널 교환