오디오·동영상 자막 생성 (AI)
Whisper로 음성을 SRT, VTT, 텍스트로 받아쓰기, 브라우저에서 실행
브라우저에서 실행
오디오 또는 동영상 파일을 끌어다 놓으세요
MP3, WAV, M4A, OGG, MP4, WebM 등 브라우저가 재생할 수 있는 모든 형식
파일은 기기에 그대로 있습니다. AI 모델만 한 번 내려받아 브라우저에 저장됩니다.
처음에는 모델을 내려받고, 다음부터는 바로 시작합니다. WebGPU가 없는 컴퓨터에서는 긴 파일에 시간이 걸립니다.
브라우저 AI 받아쓰기는 어떻게 작동하나요?
이 도구는 OpenAI의 공개 음성 인식 모델 Whisper를 transformers.js로 사용자 기기에서 실행합니다. 브라우저가 오디오 트랙을 디코딩해 16 kHz로 변환하고, 모델이 30초 구간마다 시작·종료 시간이 있는 텍스트로 바꿉니다. 이 구간들이 SRT나 WebVTT 큐, 또는 일반 텍스트가 됩니다. 모델은 Hugging Face Hub에서 한 번 내려받아 브라우저에 캐시되며, 오디오 자체는 어디로도 전송되지 않습니다. WebGPU가 있으면 그래픽 카드를, 없으면 CPU를 사용합니다.
활용 사례
- YouTube, TikTok, CapCut, Premiere용 동영상에 직접 입력하지 않고 자막 달기
- 인터뷰, 강의, 회의, 팟캐스트 녹취록 만들기
- 음성 메시지나 짧은 음성 메모를 텍스트로 바꾸기
- 다른 언어의 음성을 영어 자막으로 번역하기
언제 사용하나요?
약 1시간 이하 파일의 또렷한 음성에 적합합니다. 빠름은 짧은 클립과 초안에, 균형은 기본값으로, 정확은 사투리와 잡음에 훨씬 강하지만 다운로드가 크고 그래픽 카드가 없으면 느립니다. 말하는 언어를 알면 선택하세요. 짧은 클립에서는 자동 감지가 틀릴 수 있습니다. 게시 전에 꼭 결과를 확인하세요. 고유명사와 전문 용어가 흔한 오류이며, 타이밍은 자막 변환기로 나중에 조정할 수 있습니다.
예시
동영상용 SRT 자막 만들기
입력
한국어 2분 MP4 인터뷰. 모델: 균형. 언어: 한국어. 출력: 같은 언어.
출력
약 30개의 시간 정보가 있는 한국어 .srt 파일. 플레이어나 편집기에서 바로 사용 가능.
강연을 영어 자막으로 번역하기
입력
스페인어 팟캐스트 일부(M4A). 모델: 정확. 출력: 영어로 번역.
출력
원래 타이밍을 유지한 영어 자막(SRT, VTT, 텍스트).
자주 묻는 질문
오디오가 서버에 업로드되나요?
아니요. 파일은 브라우저에서 디코딩되고 받아쓰기됩니다. 내려받는 것은 Hugging Face Hub의 AI 모델뿐이며 브라우저가 저장합니다.
어떤 모델을 골라야 하나요?
균형부터 시작하세요. 짧은 클립이나 느린 컴퓨터에는 빠름, 사투리·배경 소음·중요한 작업에는 큰 다운로드를 기다릴 수 있다면 정확을 쓰세요.
왜 느린가요?
음성 인식은 무거운 작업입니다. WebGPU(최신 Chrome, Edge, Safari)에서는 그래픽 카드로 훨씬 빠르게, 아니면 CPU로 실행됩니다. 끝날 때까지 탭을 열어 두세요.
어떤 언어를 지원하나요?
Whisper는 약 100개 언어를 인식하며 영어, 스페인어, 중국어, 일본어, 한국어처럼 널리 쓰이는 언어일수록 정확합니다. 번역은 항상 영어로 됩니다.