MP3를 텍스트로 변환하는 방법: 4가지 방식 비교

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

MP3를 텍스트로 변환하려면 파일을 AI 전사 도구에 넣고 음성 언어를 선택한 뒤 결과를 DOCX, TXT 또는 SRT로 내보내세요. Microsoft Word의 전사 기능을 쓰거나 직접 입력하거나 OpenAI의 무료 Whisper 모델을 자신의 컴퓨터에서 실행할 수도 있습니다. 어떤 방법을 선택하든 MP3 음질이 결과의 한계를 결정합니다.

아래에서는 네 가지 방법을 단계별로 설명하고 비트레이트와 샘플링률 확인법, 오디오 점검표, 긴 파일과 여러 화자에 대한 팁, 세 번에 걸친 검토 과정을 소개합니다.

빠른 답변: MP3를 텍스트로 변환하는 방법

대부분의 사람에게 온라인 도구가 가장 빠릅니다. MP3를 그대로 받아 화자를 구분하고 편집 가능한 파일을 반환합니다. 이미 Microsoft 365를 구독한다면 Word를, 짧은 클립은 직접 입력을, 오디오를 기기 밖으로 보낼 수 없다면 로컬 Whisper를 고려하세요.

  1. 파일 확인. 30초를 재생해 목소리가 명확하게 들리는지 확인합니다.
  2. 업로드와 옵션 설정. 음성 언어를 고르고 여러 사람이 말한다면 화자 감지를 켭니다.
  3. 검토와 내보내기. 이름과 숫자를 고친 뒤 문서는 DOCX 또는 TXT, 자막은 SRT 또는 VTT로 다운로드합니다.

어떤 방법을 사용해야 하나요?

오디오 분량, 화자 표시 필요 여부, 오디오를 보낼 수 있는 위치를 기준으로 선택하세요. Microsoft 정보는 2026년 11월 확인했습니다.

방법 비용 화자 표시 오디오가 저장·처리되는 곳 적합한 용도
1. 온라인 전사 도구 많은 도구가 무료 시작을 제공하고 대량 사용은 유료 대부분 제공 제공업체 서버 인터뷰, 팟캐스트, 강의, 정기 작업
2. Microsoft Word 전사 Microsoft 365 포함, 기본 업로드 월 300분. Copilot 라이선스 사용자는 월 최대 30,000분 제공: 화자 1, 화자 2 Microsoft 서버에서 처리하고 OneDrive에 파일 저장 이미 Word를 사용하는 사람의 가끔 있는 파일 작업
3. 수동 전사 무료이지만 시간이 걸림 직접 추가 사용자 기기에 유지 짧은 클립, 정확하게 확인해야 할 인용문
4. 컴퓨터에서 Whisper 실행 무료 오픈소스 공식 도구에는 없음 사용자 기기에 유지 민감한 오디오, 기술 사용자, 대량 파일

시작 전 60초 동안 MP3 확인하기

MP3는 손실 압축 형식입니다. 미국 의회도서관의 형식 설명에 따르면 사람이 듣기 어려운 소리 일부를 버리며 128kbit/s MP3는 CD 품질 오디오 크기의 약 11분의 1입니다. 사라진 세부 정보는 복원할 수 없으므로 파일 상태를 먼저 파악하세요.

Windows에서는 속성 → 자세히, Mac에서는 정보 가져오기를 엽니다. FFmpeg가 설치돼 있다면 다음 명령으로 코덱, 샘플링률, 채널, 비트레이트, 재생 시간을 확인할 수 있습니다.

ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3

FFmpeg 4.3의 짧은 테스트 MP3에서 이 명령의 구문을 확인했으며 sample_rate=44100, bit_rate=128000 같은 줄이 출력됩니다. 각 값의 의미는 다음과 같습니다.

값 알려 주는 것 전사에 미치는 의미
bit_rate 압축 후 초당 남은 데이터 양 매우 낮으면 세부 정보가 적으며 나중에 복구할 수 없음
sample_rate 초당 소리를 측정한 횟수 Google은 음성 인식용 녹음 시 선택할 수 있다면 16,000Hz를 권장
channels 모노(1) 또는 스테레오(2) 스테레오도 가능하며 Whisper는 로드할 때 모노로 변환
duration 녹음 길이 도구의 파일 길이 또는 전사 시간 제한을 넘는지 확인

MP3 비트레이트가 전사 정확도에 영향을 주나요?

그럴 수 있습니다. Google Cloud 음성 인식 권장사항은 MP3를 포함한 손실 압축 코덱이 정확도를 낮출 수 있고 손실 압축과 함께 소음과 울림이 있으면 더 불리하다고 설명합니다. 공개된 절대 비트레이트 기준은 없으므로 여러 요인 중 하나로 보세요. 마이크 가까이에서 녹음한 깨끗한 목소리가 높은 비트레이트보다 중요합니다.

실용적인 원칙은 보유한 가장 좋은 버전을 전사하는 것입니다. 원본 WAV나 FLAC가 있다면 사용하세요. 96kbps 파일을 320kbps로 다시 인코딩하거나 WAV로 저장해도 파일만 커질 뿐 잃어버린 정보는 돌아오지 않습니다.

음성 인식에는 어떤 샘플링률이 필요한가요?

음성 인식에는 보통 16kHz면 충분합니다. OpenAI 오픈소스 Whisper 코드는 FFmpeg로 파일을 불러와 모노로 변환하고 모델에 입력하기 전에 16,000Hz로 리샘플링합니다(GitHub의 whisper/audio.py). Google 가이드도 사용자가 직접 리샘플링하지 말라고 권장합니다. 8,000Hz로 녹음한 전화 오디오는 샘플링률을 인위적으로 높이지 말고 원래 상태로 보내세요.

일반적인 MP3의 44.1kHz나 48kHz는 충분합니다. 업로드 전에 샘플링률을 바꾸지 않아도 됩니다.

오디오 품질 점검표

중요한 작업 전에는 다음을 확인하세요.

  • 시작 부분과 중간 부분 듣기. 언어가 맞고 모두의 목소리가 들리나요?
  • 음량 확인. ffmpeg -i interview.mp3 -af volumedetect -f null -는 평균과 최대 음량을 표시합니다. 최대치가 0dB에 가까우면 클리핑 가능성이 있으며 왜곡된 피크는 복구하기 어렵습니다.
  • 강한 잡음 제거 피하기. Google 가이드는 인식 전에 잡음 제거 처리를 하면 일반적으로 정확도가 떨어질 수 있다고 설명합니다.
  • 이름, 약어, 전문 용어를 목록으로 작성해 나중에 검토합니다.
  • 원본 파일 보관은 전사문이 최종 확정될 때까지 유지합니다.

방법 1: MP3를 온라인 전사 도구에 업로드

온라인 도구는 긴 MP3를 편집 가능한 텍스트로 만드는 빠른 방법입니다. 모델이 제공업체 서버에서 작동하므로 설치가 필요 없습니다. 아래 단계는 whispertranscribe.ai를 사용합니다. whispertranscribe.ai는 OpenAI Whisper 모델을 활용하는 웹 기반 AI 전사 도구로 오디오와 비디오를 130개 이상의 언어로 텍스트로 바꾸며 최대 5GB, 10시간 업로드를 지원합니다. 다른 도구도 메뉴는 달라도 비슷하게 작동합니다.

1단계: MP3 전사 페이지를 열고 언어 선택

MP3 텍스트 변환 페이지로 이동해 1단계에서 음성 언어를 고릅니다. 130개 이상의 언어, 영어(인도) 같은 지역 변형, 음질이 좋지 않은 녹음을 위한 Noise / Low-Quality Audio/Video 옵션이 있습니다.

2단계: MP3 업로드

2단계에서 파일을 드래그하거나 찾아서 선택합니다. 파일은 최대 5GB이며 요금제는 최대 10시간 녹음을 지원합니다. WAV, M4A, FLAC, MP4, MOV도 사용할 수 있습니다.

3단계: 필요한 경우 화자 감지 켜기

인터뷰, 회의, 팟캐스트에서 화자 감지 사용을 켜면 발언별로 화자를 표시할 수 있습니다.

4단계: 전사 시작

MP3를 텍스트로 전사를 클릭합니다. 깨끗한 오디오에서 정확도는 최대 99%에 도달할 수 있지만 배경 소음, 강한 억양, 겹치는 발언은 정확도를 낮추므로 검토할 시간을 확보하세요.

5단계: 전사문 내보내기

문서와 분석에는 DOCX, PDF, TXT, CSV를, 시간 정보가 있는 자막에는 SRT와 VTT를 다운로드합니다. 처음부터 자막이 목적이라면 MP3-SRT 변환기로 바로 자막 파일을 만들 수 있습니다.

요금제를 선택하기 전에 계정 없이 무료로 사용할 수 있습니다. 유료 요금제는 연간 결제 시 월 9.99달러부터이며 가격을 확인하세요. 큰 동영상은 오디오·비디오 MP3 변환기로 줄일 수 있고 Google Drive나 Dropbox의 MP3는 URL로 전사에 링크를 넣을 수 있습니다. 서비스 정책상 미디어 파일 전사는 개인적이고 비상업적인 용도입니다.

알아둘 점: 온라인 도구는 오디오를 제공업체 서버에 업로드합니다. 기밀 녹음이라면 먼저 개인정보 처리방침을 읽거나 방법 3 또는 4를 사용하세요.

방법 2: Microsoft Word의 전사 기능 사용

Microsoft 365가 있으면 Word에서 MP3를 전사할 수 있습니다. 2026년 11월 확인한 Microsoft 지원 문서에 따르면 전사 기능은 .mp3, .wav, .m4a, .mp4 파일을 받고 화자를 구분합니다.

  1. Microsoft 365에 로그인하고 새 Microsoft Edge나 Chrome의 웹용 Word 또는 Windows용 Microsoft 365 Word에서 문서를 엽니다.
  2. 홈 → 받아쓰기 드롭다운에서 → 전사를 선택합니다.
  3. 전사 창에서 오디오 업로드를 선택하고 MP3를 고릅니다.
  4. 처리하는 동안 창을 열어 둡니다. Microsoft에 따르면 파일 길이 정도의 시간이 걸릴 수 있습니다.
  5. 검토할 부분을 최대 2배속으로 재생하고 텍스트를 수정하며 '화자 1'의 이름을 한 번에 바꿀 수 있습니다.
  6. 모두 문서에 추가를 선택해 전사문을 본문에 넣고 DOCX로 저장합니다.

계획할 제한: Microsoft 365 사용자의 업로드 오디오는 월 최대 300분이며 Microsoft Copilot 라이선스 사용자는 월 최대 30,000분입니다. 문서 하나에는 전사문 하나가 들어가고 업로드는 OneDrive의 Transcribed Files 폴더에 저장됩니다. Microsoft는 Windows 데스크톱 버전이 현재 상업용 테넌트에 제한된다고 안내합니다. 도움말에는 SRT나 VTT 내보내기가 나와 있지 않아 Word는 자막보다 문서에 적합합니다.

방법 3: MP3 직접 전사하기

직접 타이핑하면 무료이고 오디오가 기기에 남지만 시간이 오래 걸립니다. 짧은 클립, 정확하게 확인할 인용문, 자동 인식이 틀린 부분에 적합합니다.

  1. 재생 속도를 늦추고 단축키로 되감을 수 있는 플레이어에서 MP3를 엽니다. 옆에는 빈 문서를 준비하세요.
  2. 재생 속도를 약 0.75배로 설정하고 짧은 구간마다 재생, 일시 정지, 입력, 필요시 되감기를 반복합니다.
  3. 발언이 바뀔 때마다 화자를 표시합니다. 예를 들어 면접관:, 마리아:를 사용합니다. W3C의 전사문 안내는 팟캐스트 전사문을 화자가 표시된 간단한 문단으로 만들 수 있다고 설명합니다.
  4. 들리지 않는 부분에 표시를 남깁니다. [들리지 않음 00:14:32]처럼 타임스탬프를 적으면 나중에 다시 찾을 수 있습니다.
  5. 마지막에는 정상 속도로 들으며 문서를 읽어 발음이 같은 다른 단어로 잘못 적지 않았는지 확인합니다.

또는 도구로 초안을 만든 뒤 중요한 부분에만 이 과정을 적용할 수 있습니다.

방법 4: 자신의 컴퓨터에서 Whisper 실행

Whisper는 OpenAI의 오픈소스 음성 인식 모델입니다. OpenAI 연구 논문에 따르면 다국어 오디오 68만 시간으로 학습됐습니다. 로컬에서 실행하면 무료이고 파일이 업로드되지 않습니다. 다만 Python과 FFmpeg가 필요하고 느린 기기에서는 설정과 처리에 시간이 걸립니다.

공식 저장소에 설명된 대로 설치합니다.

pip install -U openai-whisper

FFmpeg도 설치돼 있고 PATH에서 실행할 수 있어야 합니다. 그런 다음 전사합니다.

whisper interview.mp3 --model turbo --language English --output_format srt

일반 텍스트에는 --output_format txt를 사용하고, 옵션을 생략하면 TXT, VTT, SRT, TSV, JSON을 한 번에 작성할 수 있습니다. CPU에서는 경고를 피하기 위해 --fp16 False를 추가하세요. 공식 도구의 명령 구문과 모델 선택은 저장소 README에서 확인할 수 있습니다. 간단한 테스트에는 tiny 같은 작은 모델을 선택할 수 있습니다.

모델 매개변수 대략적인 VRAM: OpenAI 기준 large 대비 속도: OpenAI 기준
tiny 39 M 약 1GB 약 10배
small 244 M 약 2GB 약 4배
medium 769 M 약 5GB 약 2배
turbo(기본값) 809 M 약 6GB 약 8배
large 1550 M 약 10GB 1배

OpenAI는 turbo를 정확도 손실을 최소화한 최적화된 large-v3로 설명하지만 번역 작업으로 학습된 모델은 아닙니다.

포기해야 하는 것: 공식 도구에는 화자 표시 옵션, 편집기, DOCX 또는 PDF 내보내기가 없으며 OpenAI는 언어별 성능 차이가 크다고 설명합니다. 커뮤니티 프로젝트가 일부 빈틈을 채우지만 각각 별도 설정이 필요합니다.

긴 MP3, 여러 화자, 다른 언어 처리하기

긴 녹음

업로드하기 전에 제한을 확인하세요. whispertranscribe.ai 요금제는 최대 10시간, 5GB 파일을 지원합니다. Word의 기본 Microsoft 365 업로드 한도는 월 5시간이며 Copilot 라이선스에는 더 높은 한도가 적용됩니다. 더 짧은 제한이 있는 도구라면 FFmpeg로 재인코딩 없이 MP3를 한 시간 단위로 나눌 수 있습니다.

ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3

문장 중간에서 잘릴 수 있으므로 텍스트를 합칠 때 경계 부분을 확인하세요. 수업과 강연은 강의 전사를 참고할 수 있습니다.

여러 화자

화자 감지를 켠 뒤 공유 전에 일반 화자 표시를 실제 이름으로 바꿉니다. 서로 끼어들거나 목소리가 비슷할 때 표시 오류가 많으므로 화자마다 몇 차례 발언을 확인하세요. 다음 녹음에서는 사람마다 별도 마이크를 제공하면 도움이 됩니다.

다른 언어와 억양

특히 파일이 음악으로 시작한다면 자동 감지 대신 언어를 선택하세요. whispertranscribe.ai는 영어, 스페인어, 프랑스어, 독일어, 힌디어, 러시아어, 포르투갈어, 일본어, 이탈리아어, 네덜란드어가 섞인 녹음을 위한 Multilingual Mix 옵션을 제공합니다. 영어가 아닌 MP3에서 영어 텍스트가 필요하면 별도로 전사하고 번역하는 대신 오디오 영어 번역을 사용할 수 있습니다.

MP3 전사문 검토: 3단계 작업

AI 초안은 오류가 자주 나타나는 부분이 있습니다. 우선 아래 지점을 확인하고, 중요한 기록이라면 전체 오디오도 다시 들으세요.

1차: 듣기보다 검색. 이름과 용어 목록을 이용해 찾기 및 바꾸기로 반복된 오타를 한 번에 수정합니다.

2차: 오류가 잦은 부분 듣기. 다음 위치로 이동해 오디오와 대조하세요.

확인할 부분 흔한 오류 확인 방법
숫자와 날짜 비슷한 숫자 혼동, 소수점 누락 인용할 숫자는 모두 다시 재생
이름과 브랜드 들리는 대로만 철자 표기 용어 목록과 비교
겹치는 발언 두 문장이 합쳐지거나 하나가 빠짐 정상 속도로 듣고 천천히 다시 듣기
화자 전환 다른 사람의 발언으로 잘못 표시 전환 직후 첫 줄 확인
작거나 먼 목소리 단어 누락 해당 구간의 음량 높이기
처음과 마지막 몇 분 잡담, 음악, 잘못 감지된 언어 필요에 따라 삭제하거나 수정

3차: 문서로 읽기. 오디오 없이 한 번 읽고 뜻이 맞지 않는 부분을 다시 듣습니다. 여전히 들리지 않으면 추측하지 말고 [불명확]으로 표시하세요.

어떤 내보내기 형식이 필요한가요?

다음 작업에 따라 선택하세요. 문서에는 DOCX나 TXT가, 영상 위에 표시할 내용에는 SRT나 VTT가 적합합니다.

형식 용도
DOCX 편집, 보고서, 기사, 쇼 노트
PDF 공유하거나 보관할 고정 사본
TXT 다른 앱이나 AI 요약 도구에 붙여 넣기
CSV 스프레드시트와 연구 분석
SRT YouTube, 영상 편집기, 플레이어용 자막
VTT HTML5 웹 비디오 플레이어용 캡션

휴대전화 음성 메모는 음성 메모 전사 페이지에서 같은 내보내기 옵션을 확인할 수 있습니다.

자주 묻는 질문

MP3를 무료로 텍스트로 변환할 수 있나요?

네. 직접 입력하는 방법은 무료이고 OpenAI의 오픈소스 Whisper를 자신의 컴퓨터에서 실행하면 설정 시간과 하드웨어 외에 별도 비용이 들지 않습니다. 많은 온라인 도구도 무료 시작 옵션을 제공합니다. whispertranscribe.ai는 계정 없이 사용할 수 있는 무료 옵션이 있어 오디오 결과를 시험해 볼 수 있습니다. 무료 옵션은 길이나 기능이 제한되는 경우가 많으므로 정기적으로 사용한다면 유료 요금제를 비교하세요. whispertranscribe.ai는 연간 결제 시 월 9.99달러부터입니다.

MP3 파일을 전사하는 데 얼마나 걸리나요?

AI 도구는 보통 오디오 재생 시간보다 훨씬 짧지만 파일과 서비스에 따라 다릅니다. Microsoft는 Word의 전사에 파일 길이 정도의 시간이 걸릴 수 있다고 설명합니다. 로컬 Whisper는 하드웨어와 모델에 따라 달라지며 작은 모델은 더 빠르지만 오류가 많을 수 있습니다. 직접 입력하면 오디오 길이의 몇 배가 걸리므로 대부분은 짧은 클립에만 수동 전사를 사용합니다.

MP3를 WAV로 변환하면 전사 정확도가 좋아지나요?

아니요. MP3를 WAV로 저장하거나 더 높은 비트레이트로 다시 인코딩하면 파일은 커지지만 MP3를 만들 때 제거된 세부 정보는 복원할 수 없습니다. MP3는 손실 압축 형식입니다. 원본 WAV나 FLAC 녹음이 남아 있다면 그것을 전사하세요. 없다면 MP3를 그대로 업로드합니다. Whisper 같은 음성 엔진은 내부적으로 오디오를 16kHz 모노로 변환하므로 사용자가 샘플링률을 미리 바꾸는 것도 도움이 되지 않습니다.

화자가 여러 명인 MP3는 어떻게 전사하나요?

화자 감지 기능이 있는 도구를 선택하고 시작 전에 켭니다. 전사문에 화자 1 같은 번호가 붙으면 나중에 실제 이름으로 바꾸세요. Microsoft Word 전사와 whispertranscribe.ai는 화자 표시를 제공하지만 공식 Whisper 명령줄 도구에는 없습니다. 사람들이 서로 끼어드는 부분에서 화자가 자주 혼동되므로 해당 표시를 확인하세요.

MP3를 Word 문서로 바꿀 수 있나요?

네. 온라인 도구로 MP3를 전사하고 Word나 Google Docs에서 열 수 있는 DOCX로 내보내는 방법이 빠릅니다. Microsoft 365가 있다면 Word의 홈, 받아쓰기, 전사, 오디오 업로드를 통해 MP3를 올린 뒤 모두 문서에 추가를 선택할 수도 있습니다. 기본 Microsoft 365 구독은 업로드 오디오를 월 최대 300분 제공하며 Copilot 라이선스 사용자는 최대 30,000분까지 제공됩니다.

MP3를 전사문 대신 자막으로 만들 수 있나요?

네. DOCX나 TXT 대신 SRT 또는 VTT로 내보내세요. 두 형식은 각 줄의 시간 정보를 보관하므로 비디오 플레이어나 편집기가 알맞은 때에 텍스트를 표시할 수 있습니다. whispertranscribe.ai에서 전사 후 SRT 또는 VTT를 내보내거나 MP3-SRT 변환기를 사용할 수 있습니다. Whisper 명령줄 도구도 출력 형식 옵션으로 SRT와 VTT 파일을 작성할 수 있습니다.


직접 사용해 보시겠어요? whispertranscribe.ai의 MP3 텍스트 변환기에 파일을 업로드하거나 다른 형식에는 무료 오디오 텍스트 변환기를 사용하세요. 두 도구 모두 130개 이상의 언어, 화자 표시와 DOCX·PDF·TXT·CSV·SRT·VTT 내보내기를 지원합니다.

참고 자료

녹음 파일을 텍스트로 바꾸시겠어요?

whispertranscribe.ai에서 오디오와 영상의 음성을 텍스트로 바꿔 보세요.

텍스트 변환 시작 ↗