음성·영상 텍스트 변환 — 받아쓰기·자막(SRT) 만들기

MP3, WAV, M4A, MP4, MOV, WebM 파일을 넣으면 Localvert가 말한 내용을 줄마다 시간과 함께 적어 드립니다. 텍스트를 복사하거나, 유튜브·영상 편집기·플레이어용 SRT·VTT 자막, 또는 메모용 일반 텍스트로 받을 수 있습니다.

음성 인식 모델은 Whisper입니다. 여러 언어로 된 수십만 시간의 음성으로 학습된 오픈소스 모델로, WebAssembly를 통해 브라우저 안에서 돌아갑니다. 인터뷰·강의·회의·음성 메모가 기기 밖으로 나가지 않습니다.

모델은 두 가지 크기가 있습니다. '빠름'은 약 40MB를 내려받고 더 빨리 끝나며, 또렷한 영어 말소리에 충분합니다. '정확'은 약 77MB를 내려받고, 특히 다른 언어·사투리·잡음이 있을 때 실수가 눈에 띄게 적습니다. 어느 쪽이든 한 번 내려받으면 브라우저에 저장돼 다음에 다시 받지 않습니다.

자동 감지 대신 말하는 언어를 직접 고르면, 특히 짧은 녹음이나 여러 언어가 섞인 경우 결과가 보통 좋아집니다.

받아쓰기는 내 기기의 프로세서에서 돌아갑니다. 최신 노트북이라면 1분짜리 소리가 보통 몇 초에서 1분 이내에 끝나고, 휴대폰이나 오래된 컴퓨터는 더 느립니다. 진행바는 30초 단위로 움직입니다. 서버에서 돌아가는 게 아니라서 탭을 닫으면 작업이 멈추니, 끝날 때까지 열어 두세요.

무엇보다 깨끗한 소리가 중요합니다. 마이크 가까이에서 한 사람이 말하는 녹음이 시끄러운 방의 먼 목소리보다 훨씬 잘 받아써집니다. 음악이나 여러 사람이 겹쳐 말하면 정확도가 떨어집니다. 공개하기 전에는 꼭 한 번 읽어 보세요. 이름·숫자·전문 용어가 가장 흔히 틀립니다.