Whisper AI란? OpenAI 음성 인식 모델의 작동 원리

whispertranscribe.ai 편집팀 · 최종 업데이트: 2026년 11월 · 읽는 시간: 13분

Whisper AI란 무엇일까요? 대부분의 검색에서 이 말은 OpenAI가 2022년 9월 공개한 오픈소스 음성 인식 모델 OpenAI Whisper를 뜻합니다. 녹음된 음성을 텍스트로 바꾸고 언어를 식별하며, 다른 언어의 음성을 영어로 번역할 수 있습니다. OpenAI는 웹에서 수집한 오디오 68만 시간으로 모델을 학습하고 코드와 가중치를 MIT 라이선스로 공개했습니다.

먼저 이해관계를 밝힙니다. 저희는 whispertranscribe.ai를 운영합니다. whispertranscribe.ai는 130개 이상의 언어로 오디오와 비디오를 텍스트로 변환하는 웹 기반 AI 전사 도구입니다. 이 글에서는 모델 자체와 이를 활용한 제품을 명확히 구분하며, 모델에 관한 수치는 모두 OpenAI의 논문, 저장소 또는 모델 카드에서 가져왔습니다.

간단히 알아보는 Whisper AI

Whisper는 앱이나 회사가 아니라 음성을 텍스트로 바꾸는 모델입니다. OpenAI의 GitHub 저장소에서 다운로드해 자신의 컴퓨터에서 실행하거나 대신 실행해 주는 서비스를 이용할 수 있습니다.

  • 개발사: OpenAI. 연구 논문 대규모 약지도 학습을 통한 강건한 음성 인식은 2022년 12월 6일 arXiv에 공개됐습니다.
  • 할 수 있는 일: 음성을 전사하고 언어를 감지하며, 음성을 영어로 번역하고 구간별 타임스탬프를 추가합니다.
  • 기본 상태에서 할 수 없는 일: 화자가 누구인지 표시하거나 실시간으로 전사하는 것입니다. OpenAI 모델 카드에 따르면 추가 작업 없이 실시간 전사에 사용할 수 없습니다.
  • 크기: tiny부터 large까지 여섯 가지로, 매개변수는 각각 3,900만 개부터 15억 5,000만 개까지입니다.
  • 비용: 다운로드와 실행은 무료이며, 하드웨어는 직접 마련해야 합니다.

'Whisper AI'가 가리키는 세 가지

이 이름은 넓은 뜻으로 쓰이기 때문에 다음 세 가지를 혼동하기 쉽습니다.

'Whisper AI'라고 부르는 것 실제 의미 제공자 사용 방법
OpenAI Whisper 오픈소스 음성 인식 모델 OpenAI 코드와 가중치를 내려받아 직접 실행
whisper-1 OpenAI가 호스팅하는 전사 API 모델 OpenAI OpenAI API에 오디오 파일을 보내고 사용량에 따라 결제
이름에 'Whisper'가 들어간 앱 whisperai.com, whispertranscribe.ai(이 사이트) 같은 전사 제품 각각 별도의 회사 각 앱에서 오디오를 업로드하거나 녹음

세 번째 행의 제품들은 모델 자체가 아니며 서로 같은 서비스도 아닙니다. 각 회사가 기능, 제한, 가격, 개인정보 처리 조건을 정합니다. 이 글에서 'Whisper'는 OpenAI의 모델을 뜻합니다.

Whisper는 어떻게 작동하나요?

Whisper는 인코더-디코더 트랜스포머입니다. 인코더가 30초 분량의 오디오를 숫자 표현으로 바꾸고, 디코더가 수행할 작업을 알려 주는 특수 토큰에 따라 일치하는 텍스트를 토큰 단위로 생성합니다.

Whisper 논문은 다음 과정을 설명합니다.

  1. 리샘플링. 오디오를 16,000Hz로 변환합니다.
  2. 30초 구간으로 나누기. 모델은 한 번에 30초씩 처리합니다. 더 짧은 클립은 빈 부분을 채웁니다.
  3. 스펙트로그램 만들기. 각 구간을 주파수별 음향 에너지 변화를 나타내는 80채널 로그 멜 스펙트로그램으로 바꿉니다. 25밀리초 프레임을 10밀리초 간격으로 계산합니다. large-v3에서는 128채널로 바뀌었습니다.
  4. 인코딩. 합성곱 계층 두 개와 여러 트랜스포머 블록이 스펙트로그램을 처리합니다.
  5. 디코딩. 디코더가 먼저 언어 또는 '음성 없음' 토큰을 예측합니다. 이어서 작업 종류(전사 또는 번역), 타임스탬프 포함 여부, 실제 텍스트를 차례로 출력합니다.

타임스탬프도 토큰으로 예측하며 가장 가까운 20밀리초 단위로 표시합니다. 따라서 하나의 모델이 언어 감지, 전사, 번역과 시간 표시를 처리합니다.

Whisper는 어떤 데이터로 학습했나요?

초기 모델은 인터넷 오디오 68만 시간과 그에 대응하는 전사문으로 학습했습니다. OpenAI는 전사문을 평가용 데이터셋처럼 사람이 일일이 검수하지 않았기 때문에 이를 '약지도 학습'이라고 부릅니다.

학습 오디오 비중 시간 내용
약 65% 438,000 영어 오디오와 영어 전사문
약 18% 126,000 비영어 오디오와 영어 전사문(번역 데이터)
약 17% 117,000 비영어 오디오와 같은 언어의 전사문

출처: OpenAI의 Whisper 모델 카드. 논문에서는 번역 데이터 비중을 약 125,000시간으로 표시합니다.

Whisper의 동작을 이해하는 데 도움이 되는 두 가지가 있습니다. OpenAI는 모두 대문자로 된 텍스트처럼 기계가 만든 것으로 보이는 전사문을 걸러 모델이 문장 부호가 있는 문장을 학습하도록 했습니다. 또한 초기 모델은 웹 전사문에 화자의 이름이 자주 등장했기 때문에 이름을 추측하는 경향이 있었습니다. OpenAI는 미세 조정으로 이 경향을 줄였지만, 모델이 학습 텍스트를 얼마나 반영하는지 보여 주는 사례입니다.

Hugging Face 모델 카드에 따르면 large-v3는 다르게 학습됐습니다. 약 500만 시간 중 100만 시간은 웹의 약한 레이블을, 400만 시간은 large-v2가 생성한 레이블을 사용했습니다.

Whisper 모델 크기 비교

Whisper에는 여섯 가지 크기가 있습니다. 작은 모델은 사양이 낮은 기기에서 더 빨리 실행되고, 큰 모델은 오류가 적은 대신 더 많은 비디오 메모리(VRAM)가 필요합니다. 아래 수치는 OpenAI의 README에서 가져왔습니다.

크기 매개변수 영어 전용 버전 다국어 버전 필요한 VRAM large 대비 속도
tiny 39 M tiny.en tiny ~1 GB ~10x
base 74 M base.en base ~1 GB ~7x
small 244 M small.en small ~2 GB ~4x
medium 769 M medium.en medium ~5 GB ~2x
large 1550 M 없음 large ~10 GB 1x
turbo 809 M 없음 turbo ~6 GB ~8x

OpenAI는 데이터센터용 A100 GPU에서 영어 음성을 대상으로 이 속도를 측정했으며 실제 속도는 크게 다를 수 있다고 설명합니다. 노트북에서는 더 느릴 수 있습니다.

어떤 Whisper 모델을 선택해야 하나요?

사용할 수 있는 메모리와 전사 목적을 기준으로 선택하세요.

  • 기본 사양 기기에서 테스트: VRAM이 약 1GB 필요한 tiny 또는 base. 오류가 더 많을 수 있습니다.
  • 영어만 처리: .en 모델을 사용하세요. OpenAI에 따르면 특히 tiny와 base에서 영어 전용 모델의 성능이 더 좋습니다.
  • 적당한 속도와 좋은 품질: 약 6GB가 필요한 turbo. 명령줄의 기본 모델입니다.
  • 음성을 영어로 번역: medium 또는 large를 선택하세요. Turbo는 번역 작업으로 학습되지 않았으므로 번역을 요청해도 원래 언어를 반환합니다.
  • 가장 까다로운 오디오에서 가능한 높은 품질: 약 10GB의 VRAM이 필요한 large.

Whisper 버전의 간단한 연혁

'Large'에는 세 번의 출시 버전이 있으며 turbo는 large-v3를 경량화한 모델입니다. 체크포인트에 따라 결과가 다르므로 버전이 중요합니다.

버전 출시 달라진 점
초기 모델(tiny부터 large까지) 2022년 9월 논문과 함께 처음 오픈소스로 공개
large-v2 2022년 12월 크기는 같고 추가 정규화를 적용해 2.5배 더 오래 학습
large-v3 2023년 11월 멜 채널 128개, 광둥어 토큰 추가, 여러 언어에서 v2보다 오류 10~20% 감소
turbo (large-v3-turbo) 2024년 9월 속도를 위해 디코더 계층을 32개에서 4개로 축소; 번역 미지원

출처: Whisper 모델 카드, 논문의 large-v2 각주, Hugging Face의 large-v3 및 large-v3-turbo 모델 카드.

Whisper는 몇 개 언어를 지원하나요?

Whisper는 약 99개 언어를 인식합니다. 논문에서 사용한 언어 감지기에는 언어 토큰 99개가 있었고, large-v3에서 광둥어가 추가된 현재 토크나이저에는 언어 코드 100개가 있습니다. 지원 여부가 곧 품질을 뜻하지는 않습니다. 모델 카드는 약 10개 언어에서 강한 성능을 보인다고 설명합니다.

품질은 학습 데이터의 영향을 받습니다. 논문은 해당 언어의 학습 시간이 성능을 잘 예측하며 대부분의 언어에는 1,000시간 미만의 데이터가 있었다고 밝혔습니다. 영어, 스페인어, 독일어는 일반적으로 데이터가 적은 언어보다 결과가 명확한 편입니다. README에는 언어별 오류율 차트 링크가 있습니다.

제품의 지원 언어 수와 혼동하지 마세요. whispertranscribe.ai는 130개 이상의 언어를 지원합니다. 이는 제품의 지원 범위로, 가격 페이지에서는 '130개 이상의 언어와 억양'이라고 설명하며 오픈소스 Whisper 모델 자체의 속성이 아닙니다.

Whisper의 정확도는 어느 정도인가요?

Whisper의 정확도는 모델 크기, 언어, 녹음 상태에 따라 달라 단일 수치로 나타낼 수 없습니다. 깨끗하게 읽은 영어 음성에서 large-v2의 단어 오류율(WER)은 2.7%였습니다. 대부분 더 어려운 영어 테스트 세트 14개의 평균은 12.8%였습니다.

WER은 사람이 만든 기준 전사문과 비교해 바뀌거나 빠지거나 추가된 단어의 비율입니다. 낮을수록 좋습니다. 아래 수치는 LibriSpeech 오디오북 데이터셋으로 학습한 wav2vec 2.0과 Whisper large-v2를 비교한 논문의 표 2에서 가져왔습니다.

테스트 세트 wav2vec 2.0 WER Whisper large-v2 WER
LibriSpeech clean(낭독한 오디오북) 2.7% 2.7%
Common Voice(여러 사람이 녹음한 음성) 29.9% 9.0%
CHiME-6(소음이 있는 저녁 식사 녹음) 65.8% 25.5%
표에 있는 테스트 세트 14개의 평균 29.3% 12.8%

중요한 것은 수치의 양상입니다. 두 모델은 오디오북 테스트에서 같았지만, 나머지에서 Whisper의 성능이 훨씬 좋아 평균 오류가 55.2% 적었습니다. OpenAI의 발표문은 이를 '오류 50% 감소'로 반올림합니다. 논문의 소음 테스트에서는 LibriSpeech로 학습한 모델이 거의 깨끗한 오디오에서 Whisper보다 나았지만, 술집 같은 배경 소음이 커져 신호 대 잡음비가 10dB 미만이 되자 뒤처졌습니다.

이는 연구 벤치마크이지 여러분의 파일에서 같은 결과가 나온다는 보장은 아닙니다. 제품의 성능 설명도 별도로 봐야 합니다. 예를 들어 whispertranscribe.ai는 깨끗한 오디오에서 최대 99%의 정확도에 도달할 수 있지만 배경 소음, 겹치는 말소리, 강한 억양은 정확도를 떨어뜨립니다.

Whisper의 한계는 무엇인가요?

Whisper의 주요 약점은 실제로 아무도 말하지 않은 내용을 자연스러운 문장으로 쓸 수 있다는 점입니다. OpenAI 모델 카드는 이를 환각이라고 부르며 약지도 학습과 연관 짓습니다. 반복, 언어와 억양에 따른 불균일한 정확도, 기본 화자 표시 기능의 부재도 언급합니다.

  1. 환각으로 생성된 텍스트. 2024년 연구 Careless Whisper에서 연구진은 확인한 전사문 중 약 1%에 오디오에 없는 구절이나 문장 전체가 포함된 것을 발견했습니다. 음성이 오래 멈춘 구간에서 환각이 더 자주 발생했습니다.
  2. 반복 루프. 모델이 같은 구절을 계속 반복할 수 있습니다. 모델 카드에 따르면 빔 탐색과 온도 폴백이 이를 어느 정도 줄이지만 완전히 없애지는 못합니다.
  3. 처음이나 마지막 단어 누락. 논문은 구간의 처음이나 끝의 몇 단어를 건너뛰는 현상을 알려진 실패 사례로 소개합니다.
  4. 긴 녹음은 구간 처리가 필요. Whisper는 한 번에 30초만 봅니다. 긴 파일에서는 전사 도구가 예측된 타임스탬프에 따라 구간을 이동하므로 한 구간의 오류가 다음 구간에 영향을 줄 수 있습니다.
  5. 화자 표시 없음. 모델 카드에 따르면 누가 언제 말했는지 구분하는 화자 분할은 충분히 평가되지 않았습니다. 별도 도구가 필요합니다.
  6. 기본적으로 실시간이 아님. 녹음된 파일을 위해 만들어졌으며 실시간 자막에는 추가 개발이 필요합니다.
  7. 언어와 억양에 따라 차이. 모델 카드는 일부 억양, 방언, 인구 집단에서 오류율이 더 높다고 지적합니다.

OpenAI는 동의 없이 다른 사람의 음성을 전사하는 일과 위험도가 높은 의사결정에 사용하는 일에 대해서도 경고합니다.

공식 출처 간 수치가 다른 부분

OpenAI 문서 사이에서도 주로 반올림이나 버전 변경 때문에 수치가 다를 수 있습니다. 인용하기 전에 확인하세요.

항목 한 공식 출처 다른 공식 출처 어떻게 사용할까
LibriSpeech 모델 대비 오류 감소 논문: 평균 55.2% 감소 OpenAI 발표: 50% 감소 논문을 인용하고 비교 대상을 명시
영어 외 학습 데이터 언어 논문: 96개 언어 모델 카드: 98개 언어 인식 범위는 '약 99개 언어'로 표현
번역 학습 시간 모델 카드: 126,000시간 논문: 125,000시간 어느 쪽이든 대략적인 수치임을 표시
Turbo 매개변수 수 README와 Hugging Face: 809 M 모델 카드 표: 798 M 다수 출처가 사용하는 809 M
학습 데이터 크기 초기 논문: 68만 시간 large-v3 카드: 500만 시간 해당하는 버전을 명시
라이선스 GitHub: 코드와 가중치에 MIT Hugging Face large-v3 메타데이터: Apache-2.0 다운로드한 사본의 라이선스 파일 확인

Whisper 사용법: 직접 실행, API 또는 앱

현실적인 방법은 세 가지입니다. 직접 실행하면 무료이고 오디오는 자신의 기기에 남습니다. OpenAI API는 설정 부담을 줄여 주지만 파일 크기 제한이 있습니다. 호스팅 전사 앱은 편집, 화자 표시, 내보내기 기능을 제공하지만 자체 약관이 적용되는 외부 서비스입니다.

오픈소스 Whisper 직접 실행 OpenAI 전사 API 호스팅 전사 앱
준비 Python, PyTorch, FFmpeg 코드와 API 키 브라우저
비용 무료; 하드웨어는 직접 준비 사용량에 따라 결제 무료 요금제 또는 구독, 앱마다 다름
파일 제한 하드웨어에 따라 다름 파일당 25MB 앱마다 다름
오디오 저장 위치 내 컴퓨터에 유지 OpenAI로 전송 앱의 서버로 전송
화자 표시 기본 제공 안 됨 whisper-1에서는 제공 안 됨 앱에 따라 다름
편집 및 내보내기 명령줄에서 TXT, SRT, VTT, TSV, JSON 코드로 반환되며 나머지는 직접 구현 보통 편집기와 문서·자막 내보내기 제공

내 컴퓨터에서 Whisper 실행하기

OpenAI README에는 설치 명령과 기본 실행 예제가 나와 있습니다.

pip install -U openai-whisper
whisper interview.mp3 --model turbo

FFmpeg도 설치해야 하며, README는 Python 3.8부터 3.11까지에서 코드가 실행될 수 있다고 설명합니다. --language로 음성 언어를 지정하거나 다국어 모델에서 --task translate를 추가해 영어 번역을 얻을 수 있습니다. 모델 가중치는 처음 사용할 때 다운로드됩니다.

OpenAI API 사용하기

OpenAI의 음성 텍스트 변환 가이드는 파일당 업로드를 25MB로 제한하므로 더 큰 파일은 압축하거나 나눠야 합니다. 2026년 11월 확인 기준으로 가이드는 whisper-1을 지원 중단 예정으로 표시하고 2027년 2월 26일 종료일과 새로운 전사 모델을 안내합니다. 이 최신 모델들은 OpenAI의 음성 모델이지 오픈소스 Whisper 계열의 새로운 버전은 아닙니다.

호스팅 전사 앱 사용하기

아무것도 설치하고 싶지 않다면 호스팅 앱이 서버에서 파일을 처리합니다. whispertranscribe.ai도 한 가지 선택지이며 무료 오디오 텍스트 변환기로 간편하게 시험할 수 있습니다. 홈페이지는 whispertranscribe.ai를 Whisper와 차세대 AI 기반 서비스로 설명합니다. 제품 페이지에서 안내하는 기능은 다음과 같습니다.

고려할 점도 있습니다. 파일은 컴퓨터에만 남지 않고 클라우드 서비스로 전송됩니다. API, 사용자 지정 어휘, 회의 봇은 제공하지 않습니다. 유료 요금제는 연간 결제 시 월 9.99달러부터 시작하며(가격), 계정 없이 무료로 시작할 수 있습니다. 자세한 내용은 Whisper AI 전사 도구 또는 전체 기능 페이지를 확인하세요. 서비스 정책에 따르면 미디어 파일 전사는 개인적이고 비상업적인 용도로 제공됩니다.

Whisper는 오픈소스인가요? 라이선스는 무엇을 허용하나요?

네. OpenAI 저장소에 따르면 Whisper의 코드와 모델 가중치는 MIT 라이선스로 공개됐습니다. MIT는 사용에 관대한 라이선스입니다. 일반적으로 저작권과 라이선스 고지를 유지하면 코드를 사용, 복사, 수정하고 그 위에 만든 소프트웨어를 판매할 수 있습니다.

두 가지에 유의하세요. 다른 사이트의 사본은 라이선스 메타데이터가 다를 수 있습니다. Hugging Face의 large-v3 페이지에는 Apache-2.0이 표시되어 있으므로 사용하는 사본에 포함된 라이선스를 읽어야 합니다. 또한 라이선스는 소프트웨어에 적용되며 입력하는 녹음물까지 허가하는 것은 아닙니다. 음성에는 동의와 개인정보 보호 규칙이 여전히 적용됩니다. 이는 일반 정보이며 법률 자문이 아닙니다. 공식 출처는 MIT 라이선스 전문입니다.

Whisper는 누구에게 적합한가요?

Whisper는 무료로 녹음 파일을 기기에 보관하면서 전사하고 싶은 개발자나 터미널 사용에 익숙한 사람에게 적합합니다. 편집기와 내보내기 기능을 갖춘 완성 전사문이 필요하다면 호스팅 앱이 보통 더 빠릅니다.

사용자 적합한 선택 이유
제품을 만드는 개발자 오픈소스 Whisper 또는 API 처리 과정을 직접 제어
민감한 인터뷰를 다루는 연구자 오픈소스 Whisper를 로컬에서 실행 오디오가 기기 밖으로 전송되지 않음
이번 주에 자막이 필요한 콘텐츠 제작자 SRT 또는 VTT 내보내기가 가능한 호스팅 앱 설치 없이 시간 정보가 있는 파일을 업로드할 수 있음
GPU 없는 노트북 사용자 작은 모델을 로컬에서 실행하거나 호스팅 앱 사용 큰 모델에는 약 10GB의 VRAM 필요

Whisper 전사문을 신뢰하기 전 확인할 사항

OpenAI 논문과 모델 카드의 실패 사례를 바탕으로 만든 목록입니다.

  • 말이 없는 구간과 긴 침묵을 일부 확인해 아무도 말하지 않은 문장이 있는지 살펴봅니다.
  • 같은 구절이 연속해서 반복되는지 확인합니다.
  • 파일의 첫 문장과 마지막 문장을 오디오와 대조합니다.
  • 이름, 숫자, 전문 용어를 검증합니다.
  • 언어가 올바르게 감지됐는지 확인하거나 직접 설정합니다.
  • 번역할 때 turbo를 사용하지 않았는지 확인합니다.
  • 필요한 경우 별도 도구로 화자 표시를 추가합니다.
  • 다른 사람의 음성을 녹음하거나 전사하기 전에 동의를 받습니다.

자주 묻는 질문

Whisper AI는 무료인가요?

네. OpenAI Whisper는 무료로 다운로드해 실행할 수 있습니다. OpenAI가 코드와 모델 가중치를 MIT로 공개했으므로 OpenAI에 비용을 내지 않고 사용할 수 있습니다. 다만 컴퓨터는 직접 준비해야 하며 large 모델에는 약 10GB의 GPU 메모리가 필요합니다. 호스팅 방식에는 비용이 들 수 있습니다. OpenAI API는 사용량에 따라 요금을 부과하고 전사 앱은 자체 요금제를 정합니다. 무료라고 해서 사용이 쉬운 것도 아닙니다. Python과 FFmpeg, 어느 정도의 명령줄 사용 능력이 필요합니다.

Whisper가 여러 화자를 구분할 수 있나요?

모델 자체만으로는 할 수 없습니다. Whisper는 발언을 텍스트로 쓰지만 누가 말했는지 표시하지 않습니다. OpenAI 모델 카드에 따르면 화자 분할 같은 기능은 충분히 평가되지 않았습니다. 화자 표시가 필요하면 보통 별도 화자 분할 도구를 함께 사용하거나 화자 감지 기능을 추가한 전사 앱을 이용합니다. 예를 들어 whispertranscribe.ai에서는 전사하기 전에 화자 감지 옵션을 켤 수 있습니다. 목소리가 비슷한 사람이 있는 녹음에서는 표시를 항상 확인하세요.

Whisper가 실시간 전사를 지원하나요?

기본 상태에서는 지원하지 않습니다. Whisper는 녹음된 오디오를 위해 설계돼 30초 구간 단위로 처리하며, OpenAI 모델 카드는 추가 작업 없이 실시간 전사에 사용할 수 없다고 설명합니다. 개발자들은 짧은 음성 조각이 들어올 때마다 전달해 준실시간 도구를 만들기도 했습니다. 실시간 자막이 필요하면 전용 실시간 모드를 제공하는 도구를 찾고, 완료된 녹음의 전사문보다 더 많은 수정이 필요할 수 있다고 예상하세요.

Whisper는 몇 개 언어를 지원하나요?

Whisper는 약 99개 언어를 인식하며, large-v3에 광둥어가 추가된 후 현재 토크나이저에는 언어 코드 100개가 있습니다. 품질은 크게 다릅니다. OpenAI 모델 카드는 약 10개 언어에서 강한 성능을 보고하고, 논문은 대부분의 언어에 1,000시간 미만의 학습 오디오가 있었다고 밝혔습니다. 사용 빈도가 낮은 언어에 의존하기 전에 짧은 클립으로 시험해 보세요. whispertranscribe.ai의 130개 이상 같은 제품 수치는 각 제품의 지원 범위를 뜻하며 오픈소스 모델의 수치가 아닙니다.

whispertranscribe.ai는 OpenAI Whisper와 같은가요?

아니요. OpenAI Whisper는 직접 다운로드해 실행하는 오픈소스 모델입니다. whispertranscribe.ai는 별도의 브라우저 기반 전사 서비스이며 홈페이지에서 Whisper와 차세대 AI 기반이라고 설명합니다. 최대 5GB 업로드, YouTube나 Google Drive 링크 가져오기, 화자 감지, DOCX·PDF·SRT·VTT 내보내기처럼 원래 모델에 없는 기능을 추가합니다. 이름에 'Whisper'가 들어간 다른 앱도 각 회사의 별도 제품입니다.

Whisper는 왜 가끔 말하지 않은 단어를 쓰나요?

언어 모델처럼 텍스트를 예측하기 때문입니다. OpenAI 모델 카드는 대규모의 잡음이 있는 웹 데이터로 학습하면서 오디오에 없는 단어를 생성하기도 한다고 설명합니다. OpenAI에 따르면 모델이 들은 내용을 전사하는 과정과 다음에 나올 법한 단어를 예측하는 과정을 결합하기 때문입니다. 2024년 연구에서는 확인한 전사문 중 약 1%에서 완전히 지어낸 구절이 발견됐고, 긴 침묵 주변에서 더 자주 나타났습니다. 멈춤과 조용한 구간, 중요한 내용은 오디오와 대조하세요.


설치 없이 Whisper 기반 전사문이 필요하신가요? whispertranscribe.ai에 파일을 업로드하거나 링크를 붙여 넣으면 130개 이상의 언어로 텍스트를 얻고 DOCX, PDF, SRT, VTT로 내보낼 수 있습니다.

참고 자료

녹음 파일을 텍스트로 바꾸시겠어요?

whispertranscribe.ai에서 오디오와 영상의 음성을 텍스트로 바꿔 보세요.

텍스트 변환 시작 ↗