오디오·동영상을 텍스트로 변환

작동 방식

텍스트 변환 서비스는 녹음을 업로드하라고 요구하는데, 녹음은 인터뷰, 회의, 강의, 상담처럼 누구나 다루는 파일 중 가장 민감한 것들입니다. 이 도구는 대신 음성 모델을 사용자의 컴퓨터에서 실행합니다. 대가는 시간이며, 시작한 뒤가 아니라 시작하기 전에 밝혀 둘 만큼 상당합니다.

현실적으로 얼마나 느린가

모델은 41 MB이며 한 번만 다운로드됩니다. 그 후 변환에는 최신 노트북에서 대략 녹음 길이만큼, 오래된 컴퓨터나 휴대폰에서는 두세 배의 시간이 걸립니다. 5분짜리 클립은 커피 한 잔 정도지만 한 시간짜리 회의는 현실적이지 않습니다. 그래서 길이 제한의 기본값이 5분이며, 실수가 아니라 의도적으로만 늘리세요.

결과물

타이밍이 포함된 .srt 또는 .vtt 자막은 이 사이트의 자막 도구로 동영상에 바로 입힐 수 있고, 일반 텍스트는 받아쓰기 기록으로 쓸 수 있습니다. 타이밍은 모델에서 나오며 대체로 가깝지만 프레임 단위로 정확하지는 않습니다.

정확도, 솔직하게

작은 Whisper 모델이며, 큰 모델은 수백 메가바이트이기 때문에 이것을 골랐습니다. 마이크에 가까이서 녹음한 또렷한 영어 음성에는 좋습니다. 강한 억양, 두 사람이 겹쳐 말하는 경우, 배경 소음, 전문 용어, 고유명사에는 눈에 띄게 약합니다. 문장부호는 일관되지 않습니다. 어디에든 보내기 전에 읽어 보세요.

영어 전용

같은 크기라면 다국어 버전보다 영어 전용 모델이 더 작고 영어에서 더 정확하기 때문에 영어 전용 모델을 사용합니다.