전사에 가장 적합한 오디오 형식: 녹음, 업로드, 변환 가이드

whispertranscribe.ai 편집팀 · 최종 업데이트: 2026년 11월 · 읽는 시간: 12분

직접 녹음을 설정할 수 있다면 전사에 좋은 형식은 16 kHz 이상 모노로 녹음한 무손실 WAV(16비트 PCM) 또는 FLAC입니다. 이미 MP3, M4A 또는 동영상 파일이 있다면 그대로 업로드하세요. 압축 파일을 변환해도 사라진 정보는 복구되지 않으며 마이크와의 거리와 소음이 결과에 더 큰 영향을 줍니다.

아래에서 녹음 전에 선택할 설정, 이미 받은 파일의 처리 방법, 파일 크기 계산식, 상황별 설정, FFmpeg 명령과 문제 해결 표를 살펴봅니다.

안내. 이 가이드는 whispertranscribe.ai가 발행합니다. 기술적 설명에는 Google Cloud, OpenAI의 Whisper 코드, FFmpeg 또는 미국 의회도서관 자료를 연결했습니다. 이 글을 위해 정확도를 시험하지 않았으며 특정 형식으로 정확도가 일정 비율 높아진다고 보장하지 않습니다.

빠른 답변: 전사에 적합한 오디오 형식

하나의 “최고 형식”보다 현재 작업 단계에 맞춰 선택하세요.

상황 권장 선택 이유
녹음기나 앱의 설정을 고르는 중 WAV 16비트 또는 FLAC, 모노, 16 kHz 이상 Google은 음성 인식에 무손실 FLAC 또는 LINEAR16을 권장
녹음 파일을 작게 만들어야 함 적당한 비트레이트의 음성용 손실 코덱 Google이 음성용으로 선호하는 손실 코덱 순서: AMR-WB, Ogg Opus, Speex
이미 MP3, M4A 또는 Opus가 있음 원본 업로드 다시 인코딩해도 정보가 복구되지 않음
동영상 MP4, MOV, MKV가 있음 그대로 업로드하고 크기가 매우 클 때 오디오 추출 오디오 트랙이 사용됨
화자별로 별도 트랙에 녹음됨 각 트랙 유지 Google은 사람마다 채널이 다르면 채널별 전송을 권장

형식을 크게 걱정하지 않아도 되는 경우: 휴대폰 음성 메모, 공개된 팟캐스트 에피소드, Zoom 또는 Teams 녹음입니다. 그대로 업로드하고 말한 언어를 올바르게 고른 뒤 이름 검토에 시간을 쓰세요.

형식, 코덱, 컨테이너: 파일 확장자가 다 알려주지 않는 것

확장자는 컨테이너를 나타내며 압축 방식을 항상 알려주지는 않습니다. Google의 오디오 최적화 튜토리얼은 코덱과 파일 형식이 같지 않다고 설명합니다. 대표적인 예는 다음과 같습니다.

  • WAV는 보통 비압축 선형 PCM을 담지만 다른 인코딩도 담을 수 있습니다(미국 의회도서관 WAVE 설명).
  • M4A는 손실 AAC 또는 무손실 Apple Lossless(ALAC)를 담을 수 있습니다.
  • OGG는 보통 손실 코덱인 Opus 또는 Vorbis를 담는 컨테이너입니다.

파일 안에 무엇이 들어 있는지 확인하려면 FFmpeg의 ffprobe로 오디오 스트림만 조회하세요.

ffprobe -v error -select_streams a -show_entries stream=index,codec_name,channels,sample_rate -of csv=p=0 meeting.mp4

macOS의 FFmpeg 4.3에서 짧은 테스트 동영상으로 실행한 결과 오디오 스트림별로 한 줄이 출력됐습니다. 오디오를 제거한 사본에서는 아무것도 출력되지 않았습니다. 업로드 전에 오디오 트랙이 없는 파일을 빠르게 찾는 방법입니다.

전사용 오디오 형식 비교

아래 형식은 모두 전사에 사용할 수 있습니다. 차이는 보존된 정보와 파일 크기입니다. 크기는 다음 절의 계산식으로 구했으며 1MB는 1,000,000바이트입니다.

형식 손실 또는 무손실 주로 얻는 곳 분당 크기: 예시 설정 전사에 미치는 영향 권장 방법
WAV (PCM) 비압축 현장 녹음기, 오디오 편집기 16 kHz, 16비트, 모노에서 1.92MB; 44.1 kHz, 16비트, 스테레오에서 10.58MB 마이크가 포착한 내용을 보존 원본 보관에 적합. 긴 녹음의 크기에 주의
FLAC 무손실 압축 보관 파일, 편집기 내보내기 같은 WAV보다 작으며 절감량은 다름 WAV와 동일한 오디오 공간을 줄이려면 WAV 대신 사용
AIFF / ALAC / CAF AIFF는 보통 비압축, ALAC는 무손실, CAF는 둘 다 가능 Mac과 iPhone 앱 AIFF는 같은 설정의 WAV와 크기가 같음 내부 코덱에 따라 다름 그대로 업로드
MP3 손실 팟캐스트, 다운로드 파일 128 kbps에서 0.96MB Google: 손실 코덱은 정확도를 낮출 수 있음 그대로 업로드
M4A / AAC 보통 손실 AAC 음성 메모, 동영상 오디오 64 kbps에서 0.48MB MP3와 같은 주의사항 원본 업로드
OGG / Opus 손실 메신저 음성 메시지, 웹 통화 32 kbps에서 0.24MB Opus는 Google의 음성용 권장 손실 코덱 목록에 포함 그대로 업로드
AMR, 협대역 음성 전용 손실 구형 휴대폰과 통화 녹음기 12.2 kbps에서 약 0.09MB 200~3,400 Hz만 담음(미국 의회도서관 AMR 설명) 그대로 업로드. 품질을 높이려는 업샘플링은 불필요

동영상도 같은 원리입니다. 도구가 오디오 트랙을 읽으므로 추가되는 비용은 더 큰 업로드 용량입니다.

오디오 파일의 크기는 얼마나 될까요? 계산식

녹음하거나 업로드하기 전에 다음 두 계산식으로 파일 크기를 추정할 수 있습니다.

비압축 PCM: WAV, AIFF

초당 바이트 = 샘플링 레이트 × (비트 심도 ÷ 8) × 채널 수

계산 예시:

  • 16 kHz, 16비트, 모노: 16,000 × 2 × 1 = 초당 32,000바이트. 여기에 60을 곱하면 1,920,000바이트로 분당 약 1.92MB, 시간당 115.2MB입니다.
  • 44.1 kHz, 16비트, 스테레오: 초당 44,100 × 2 × 2 = 176,400바이트로 분당 약 10.58MB, 시간당 약 635MB입니다.
  • 48 kHz, 24비트, 스테레오: 초당 48,000 × 3 × 2 = 288,000바이트로 시간당 1,036.8MB입니다.

고정 비트레이트 손실 압축: MP3, AAC, Opus

분당 바이트 = 비트레이트(kbps) × 1,000 ÷ 8 × 60 즉 kbps × 7,500입니다.

  • 128 kbps: 128 × 7,500 = 960,000바이트로 분당 약 0.96MB, 시간당 57.6MB입니다.
  • 64 kbps: 분당 0.48MB, 32 kbps: 분당 0.24MB입니다.

실제 파일은 헤더 때문에 조금 더 크고 가변 비트레이트 파일은 평균을 중심으로 크기가 달라집니다. 이진 단위 MiB를 표시하는 컴퓨터에서는 수치가 약 5% 낮게 나타납니다.

5GB 및 10시간 업로드 제한에서 이 수치의 의미

whispertranscribe.ai는 최대 5GB, 10시간 파일을 받습니다. 5GB를 5,000,000,000바이트로 가정하면 일반 설정별 예상 크기는 다음과 같습니다.

설정 1시간 10시간 5GB 미만으로 10시간 저장 가능?
WAV, 16 kHz, 16비트, 모노 115.2MB 1.15GB 예
WAV, 44.1 kHz, 16비트, 스테레오 635MB 6.35GB 아니요. 약 7.9시간 가능
WAV, 48 kHz, 24비트, 스테레오 1.04GB 10.37GB 아니요. 약 4.8시간 가능
MP3, 128 kbps 57.6MB 576MB 예
Opus, 32 kbps 14.4MB 144MB 예

일반 WAV 파일에도 자체 한도가 있습니다. 32비트 크기 필드로 인해 약 4GB로 제한되며 더 긴 녹음에는 RF64 확장이 필요합니다(미국 의회도서관). 매우 긴 무손실 녹음에서는 FLAC이나 16 kHz 모노 WAV로 두 문제를 피할 수 있습니다.

오디오 형식보다 더 중요한 것

깨끗한 음성을 마이크 가까이에서 녹음한 MP3가 시끄러운 방의 먼 곳에서 녹음한 무손실 파일보다 대체로 낫습니다. 다음 설정과 습관이 결과에 큰 영향을 줍니다.

샘플링 레이트: 16 kHz면 충분한가요?

음성에는 충분합니다. Google은 16,000 Hz 이상을 권장하며(권장사항) 이보다 낮은 샘플링 레이트에는 8 kHz 이상의 정보가 거의 없거나 아예 없다고 설명합니다. OpenAI의 오픈소스 Whisper 코드는 모델에 입력하기 전에 모든 입력을 16,000 Hz 모노로 변환합니다(whisper/audio.py). 44.1 또는 48 kHz로 녹음해도 좋지만 파일은 더 커집니다.

녹음 후 샘플링 레이트를 높여도 도움이 되지 않습니다. Google에 따르면 8 kHz 파일을 44.1 kHz로 업샘플링해도 약 4 kHz까지의 주파수 정보만 남습니다. 전화 오디오는 흔히 8,000 Hz이므로 원래 샘플링 레이트로 업로드하세요.

비트 심도: 16비트와 24비트 중 무엇이 좋나요?

Google은 16비트 이상을 권장하며 녹음 시 동적 범위가 정해지므로 8비트 오디오를 16비트로 변환해도 얻는 것이 없다고 설명합니다. 녹음기의 24비트 원본을 유지해도 괜찮지만 16비트를 24비트로 바꿔도 정보가 늘지는 않습니다.

압축 파일의 비트레이트

좋은 전사를 보장하는 비트레이트 표준은 없습니다. Google의 지침은 코덱 종류에 관한 것으로, 손실 코덱이 정확도를 낮출 수 있고 손실 압축을 쓰면 소음과 울림의 영향이 더 커질 수 있다고 설명합니다. 압축이 필요하다면 적당한 설정으로 한 번만 하고 WAV→MP3→OGG처럼 연속 변환하지 마세요.

마이크 거리, 소음, 음량

Google의 전처리 권장사항:

  • 특히 배경 소음이 있을 때 마이크를 화자에게 가능한 한 가깝게 둡니다.
  • 클리핑을 피합니다. 왜곡된 피크는 나중에 복구할 수 없습니다.
  • 앱에서 허용한다면 자동 게인 제어와 노이즈 제거를 끕니다. Google은 인식 전 노이즈 제거 처리가 일반적으로 정확도를 낮춘다고 설명합니다.

모노와 스테레오 중 무엇이 좋나요?

하나의 마이크를 함께 쓴다면 모노로 충분합니다. Whisper는 어차피 스테레오를 모노로 혼합하므로 같은 목소리가 양쪽에 있는 스테레오는 업로드 크기만 두 배가 됩니다. 통화 녹음기나 채널별 핀 마이크처럼 양쪽에 다른 사람이 녹음되었다면 스테레오를 유지할 가치가 있습니다. 이 경우 Google은 각 채널을 따로 보내고, 이미 혼합된 녹음은 그대로 보내도록 권장합니다.

멀티트랙 녹음

팟캐스트와 원격 인터뷰 도구는 각 사람을 별도 트랙에 녹음하는 경우가 많습니다. 혼합 트랙 하나를 내보내 화자 표시를 켜는 것이 가장 간단합니다. 각 트랙을 따로 전사한 뒤 타임스탬프 기준으로 텍스트를 합칠 수도 있습니다. 후자는 오디오가 더 깨끗하지만 직접 합쳐야 합니다.

상황별 권장 형식과 설정

이미 파일이 있는 경우가 더 흔하며 이때는 보통 그대로 업로드하면 됩니다.

상황 직접 고를 수 있다면 녹음 형식 이미 가진 파일 업로드 전 주의할 점
대면 인터뷰 마이크별 모노 WAV 또는 FLAC, 44.1 또는 48 kHz 휴대폰 M4A 또는 MP3 이름과 용어 메모 게스트 목소리가 인터뷰어보다 작을 수 있음
원격 인터뷰 또는 팟캐스트, 화자별 트랙 화자별 개별 무손실 트랙 별도 WAV와 혼합 MP3 혼합 또는 트랙별 전사 선택 혼합본의 겹치는 발화
Zoom, Teams, Meet 회의 녹음 제공된다면 플랫폼의 오디오 옵션 MP4 또는 M4A 영상이 매우 클 때만 오디오 추출 한 방의 모든 사람을 노트북 마이크 하나로 녹음
휴대폰 음성 메모 앱 기본값 .m4a 원본 내보내기 녹음 중 휴대폰을 주머니에 넣어 둠
공개된 팟캐스트 에피소드 해당 없음 공개된 MP3 있다면 공개 전 WAV 또는 FLAC 사용 도입 음악. 언어 설정
강의 또는 세미나 모노, 16비트, 강연자 가까이에 마이크 긴 MP3 또는 동영상 길이가 10시간 이내인지 확인 마이크에서 먼 청중 질문
전화 통화 녹음 녹음기 기본값 AMR, M4A 또는 8 kHz WAV 원래 샘플링 레이트 유지 동의 규칙. 품질을 위한 업샘플링은 피하기

통화 녹음에는 동의 문제가 따릅니다. 전화 통화 녹음 방법과 미국 주별 통화 녹음법 가이드를 참고하고 녹음 전에 필요한 동의를 얻으세요. 법률 자문은 아닙니다.

FFmpeg로 전사용 오디오 변환하기

파일이 너무 크거나, 동영상에서 더 가벼운 업로드 파일을 만들거나, 도구가 코덱을 거부하거나, 화자를 별도 파일로 나눠야 하는 등 이유가 있을 때만 변환하세요. “품질 향상”을 위한 변환은 효과가 없습니다.

macOS의 FFmpeg 4.3에서 테스트용 동영상과 오디오로 각 명령을 실행하고 ffprobe로 코덱, 샘플링 레이트, 채널을 확인했습니다. 정확도 비교는 수행하지 않았습니다. 옵션은 FFmpeg 문서에 설명되어 있습니다.

1. 파일을 16 kHz 모노 16비트 WAV로 변환: Whisper가 내부에서 사용하는 형태와 같습니다.

ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a pcm_s16le interview_16k.wav

2. 파일을 16 kHz 모노 FLAC으로 변환: 무손실이며 대부분 WAV보다 작습니다.

ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a flac interview_16k.flac

3. 동영상을 작은 모노 MP3로 변환: 손실 압축이 한 번 추가되므로 크기가 가장 중요할 때 사용합니다.

ffmpeg -i meeting.mp4 -vn -ac 1 -ar 16000 -c:a libmp3lame -b:a 64k meeting_16k.mp3

4. 재인코딩 없이 동영상에서 오디오 추출: MP4에 흔한 AAC 오디오일 때 사용할 수 있습니다.

ffmpeg -i meeting.mp4 -vn -c:a copy meeting_audio.m4a

5. 두 채널 녹음을 화자별 파일로 분리: channelsplit 필터를 사용합니다.

ffmpeg -i call.m4a -filter_complex "channelsplit=channel_layout=stereo[L][R]" -map "[L]" left.wav -map "[R]" right.wav
옵션 기능
-ac 1 오디오를 한 채널로 혼합
-ar 16000 출력 샘플링 레이트를 16,000 Hz로 설정
-c:a pcm_s16le 16비트 비압축 PCM인 표준 WAV 출력
-vn 동영상 스트림 제거
-c:a copy 품질 변화 없이 오디오를 그대로 복사
-b:a 64k 손실 압축 비트레이트 설정

동영상 오디오가 이미 AAC라면 원래 품질을 유지하는 명령 4를 명령 3보다 우선하세요. 8 kHz 전화 오디오는 -ar 16000을 생략해 불필요한 업샘플링을 피합니다.

명령줄을 사용하지 않나요? whispertranscribe.ai의 오디오·동영상 MP3 변환기는 MP4, MOV, MKV, WEBM, AVI에서 오디오 트랙을 추출합니다. 해당 페이지는 WebAssembly를 사용해 파일을 업로드하지 않고 브라우저에서 처리한다고 설명합니다.

큰 파일을 5GB 및 10시간 이내로 유지하기

  • 크기는 초과하지만 10시간 미만: 대개 동영상이나 고해상도 WAV입니다. 오디오를 추출하거나 명령 4 또는 브라우저 변환기를 이용하거나 WAV를 FLAC으로 변환하세요(명령 2).
  • 10시간 초과: 업로드 페이지는 현재 최대 10시간 파일만 처리할 수 있으므로 길이를 줄여 다시 시도하라고 안내합니다. 파일을 분할하세요. MP3 텍스트 변환 가이드의 재인코딩 없는 분할 명령은 WAV에도 사용할 수 있으며 테스트 WAV에서 확인했습니다. 텍스트를 합칠 때 연결 지점을 검토하세요.
  • 연결이 느림: 64 kbps MP3 한 시간은 약 28.8MB인 반면 CD 수준의 스테레오 WAV는 635MB입니다. 무손실 원본은 보관하세요.

오디오 형식 문제 해결

문제 가능한 원인 시도할 방법
“오디오가 감지되지 않았습니다. 파일이 손상되었을 수 있습니다. 확인 후 다시 시도하세요.”라는 업로드 페이지 메시지 손상된 파일, 소리 없이 내보낸 영상, 비어 있는 오디오 트랙 로컬에서 재생하고 위 ffprobe 검사 실행. 출력이 없으면 오디오 스트림이 없으므로 원본 앱에서 다시 내보내기
파일이 너무 길어 업로드 거부 10시간 초과 10시간 이하로 분할
파일이 너무 큼 동영상 또는 고해상도 멀티채널 WAV 오디오 추출 또는 WAV를 FLAC으로 변환
4GB 초과 WAV가 열리거나 업로드되지 않음 일반 WAV 크기 제한 RF64 또는 FLAC으로 다시 내보내거나 분할
한 화자가 다른 사람보다 훨씬 작게 들림 별도 채널에 서로 다른 음량으로 녹음됨 채널을 분리해 각각 전사(명령 5)
왜곡되고 지직거리는 피크 녹음 중 클리핑 복구할 수 없으므로 다음 녹음에서 입력 게인 낮추기
전화 오디오를 48 kHz로 바꿔도 음질이 나쁨 업샘플링은 정보를 추가하지 않음 원본을 업로드하고 제공되는 경우 Noise / Low-Quality Audio/Video 옵션 시도

whispertranscribe.ai가 적합한 경우

whispertranscribe.ai는 OpenAI Whisper 모델을 사용하는 브라우저 기반 전사 도구입니다. 전용 앱, API, 사람이 수행하는 교정은 제공하지 않습니다. 무료 오디오 텍스트 변환기와 다른 업로드 페이지에는 MP3, WAV, M4A, AAC, FLAC, OGG, OPUS, AMR, AIFF, ALAC, CAF, MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG, MPEG가 지원 형식으로 나와 있습니다.

  • 제한: 파일 최대 5GB, 10시간.
  • 언어: 130개 이상이며 다수 언어에 Noise / Low-Quality Audio/Video 옵션 제공.
  • 정확도: 깨끗한 오디오에서 최대 99%. 소음, 거리, 억양, 겹치는 발화가 정확도를 낮춤.
  • 화자: 전사 전에 Speaker Detection을 켬.
  • 내보내기: DOCX, PDF, TXT, CSV, SRT, VTT.
  • 개인정보: 개인정보 처리방침에 따르면 원본 업로드 파일은 처리 후 삭제되고 추출된 MP3 파일은 기본적으로 30일간 보관됩니다.

녹음 종류에 따라 MP3 파일, 음성 메모, 전화 통화, 인터뷰, 강의와 세미나 페이지를 참고하세요. 계정 없이 무료로 사용해 볼 수 있으며 제한은 해당 페이지에 표시됩니다. 유료 요금제는 연간 결제 시 월 $9.99부터입니다(요금 안내). 나머지 내용은 기능 페이지에서 확인하세요.

자주 묻는 질문

전사에 가장 좋은 오디오 형식은 무엇인가요?

녹음을 직접 설정한다면 WAV 또는 FLAC이 좋고 16비트, 모노, 16 kHz 이상을 권장합니다. MP3, M4A, Opus 같은 압축 파일이 이미 있다면 변환하지 말고 그대로 업로드하세요. 가까운 마이크, 적은 배경 소음, 클리핑 없는 녹음 품질이 형식 선택보다 중요한 경우가 많습니다.

전사에는 WAV가 MP3보다 좋은가요?

원본을 WAV로 녹음하면 MP3보다 세부 정보를 더 보존하며 Google은 MP3 같은 손실 코덱이 인식 정확도를 낮출 수 있다고 설명합니다. 깨끗한 음성에서는 차이가 작고 소음이 있는 녹음에서는 커질 수 있습니다. 기존 MP3에서 만든 WAV는 이미 버려진 정보를 되살릴 수 없어 원래 MP3보다 나아지지 않습니다. 가능하면 WAV 또는 FLAC으로 녹음하고 MP3는 그대로 업로드하세요.

전사할 때 샘플링 레이트는 얼마로 해야 하나요?

16 kHz 이상을 사용하세요. Google은 음성 인식에 최소 16,000 Hz를 권장하고 OpenAI의 Whisper는 처리 전에 모든 오디오를 16 kHz 모노로 바꿉니다. 44.1 또는 48 kHz 녹음도 흔하며 괜찮습니다. 낮은 샘플링 레이트를 나중에 높여도 음성 정보가 추가되지 않으므로 8 kHz 전화 녹음은 원래대로 업로드하세요.

전사용으로 모노와 스테레오 중 무엇으로 녹음해야 하나요?

모두가 하나의 마이크를 공유한다면 모노로 녹음하세요. Whisper는 스테레오를 모노로 혼합하므로 같은 목소리의 스테레오 사본은 크기만 두 배가 됩니다. 통화 녹음기나 게스트별 마이크처럼 화자별로 채널이 분리되어 있다면 스테레오 또는 멀티트랙을 유지하세요. Google은 채널을 따로 전사하도록 권장하며 FFmpeg로 채널을 분리할 수 있습니다.

WAV 파일의 분당 크기는 얼마나 되나요?

설정에 따라 다릅니다. 샘플링 레이트에 샘플당 바이트 수와 채널 수를 곱하면 초당 바이트 수가 나옵니다. 16 kHz, 16비트 모노 WAV는 16,000 × 2 × 1 = 초당 32,000바이트로 분당 약 1.92MB, 시간당 115.2MB입니다. CD 수준의 44.1 kHz, 16비트 스테레오는 분당 약 10.58MB, 시간당 약 635MB입니다.

오디오를 추출하지 않고 동영상 파일을 업로드해도 되나요?

네. 전사 도구는 영상의 오디오 트랙을 사용하므로 MP4, MOV, MKV, WEBM을 그대로 업로드할 수 있습니다. 영상은 업로드 크기만 더 커집니다. 파일이 크기 제한에 가깝거나 인터넷이 느리다면 FFmpeg의 -vn -c:a copy처럼 원본 오디오 품질을 유지하는 방법으로 추출하세요. whispertranscribe.ai에서는 영상을 그대로 업로드하고 DOCX, TXT, SRT, VTT로 내보낼 수 있습니다.


녹음 파일이 준비되었나요? whispertranscribe.ai의 무료 오디오 텍스트 변환기에 원본을 업로드하세요. 130개 이상의 언어에서 선택하고 Speaker Detection을 켠 뒤 DOCX, TXT, SRT 또는 VTT를 다운로드할 수 있습니다. 최대 5GB, 10시간 파일을 지원합니다.

참고 자료

녹음 파일을 텍스트로 바꾸시겠어요?

whispertranscribe.ai에서 오디오와 영상의 음성을 텍스트로 바꿔 보세요.

텍스트 변환 시작 ↗