WAV를 텍스트로 변환 — AI 음성 전사

날 오디오에서 쓸 수 있는 텍스트까지

WAV는 가장 정직한 형태의 녹음이에요. 압축 없는 PCM, 즉 마이크가 잡은 그대로라서 엔진과 파형 사이에 코덱 아티팩트가 끼어 있지 않아요. WAV를 전사 서비스에 건네면 빗나갈 디코딩 단계도, 음향 모델이 재판정할 압축 선택도 없어요. 소리가 들어가고 단어가 나오며, 그 사이에 단어를 망칠 기회가 아예 없어요. 녹음 앱이 기본값으로 WAV를 손에 쥐는 게 우연이 아니에요 — 전사가 시작되기 전에 여러분을 대신해 내려진 결정이 하나도 없다는 뜻이에요. 음성은 음악보다 훨씬 좁은 주파수 대역을 쓰고, 압축되지 않은 파일은 그 대역 전부를 지녀요.

돌아오는 건 텍스트 벽 그 이상이에요. 전체 전사를 담은 일반 TXT와 함께, 파이프라인은 타임스탬프가 있는 SRT 자막 파일과 텍스트를 구간으로 묶은 대화 보기를 만들어 낼 수 있어요. 이 세 결과물은 전사본의 세 가지 흔한 용도 — 읽기, 자막 달기, 나중에 파헤치기 — 에 딱 맞아떨어져요.

세 개의 파일 — 음성이 지원할 때

TXT 파일이 핵심 결과물이에요. 일반 텍스트로 된 완전한 전사로, 편집하고, 검색하고, 어디에든 붙여 넣을 준비가 돼 있어요. 성공한 모든 작업이 이걸 만들어 내고, 텍스트 편집기면 뭐든 열 수 있으니 여러분에게 더 요구하는 것도 없어요.

SRT와 대화 파일은 보장이 아니라 최선을 다한 부가물이에요. 두 파일은 엔진이 타이밍과 구간 나눔에 대해 추론할 수 있는 것에서 나오는데, 어떤 녹음 — 드문 발화, 겹치는 말, 긴 침묵 — 는 추론할 재료가 너무 적어 둘 중 하나 혹은 둘 다 없을 수 있어요. TXT만 돌아온 작업은 실패가 아니에요. 이 페이지는 세 파일이 항상 나온다고 약속하지 않아요. 나타났을 때는 SRT 타임스탬프가 오디오와 정렬되고, 대화 보기는 발화를 읽기 좋은 덩어리로 묶어요.

자막 파일이 작업 흐름에 중요하다면 탭을 닫기 전에 결과 페이지를 확인하세요. 만들어진 모든 결과물이 거기 나열되고, 없는 SRT는 작업이 아니라 여러분 오디오에 대한 진술이에요.

어디에서 강하고 어디에서 약한가

엔진은 paraformer-zh 기반의 FunASR 파이프라인이고, 중국어에 최적화된 모델이에요. 중국어(보통화) 음성이 가장 잘 전사되고, 중국어·영어 혼합 음성 — 테크 업계 스탠드업과 제품 회의의 기본 언어죠 — 은 진짜 강점이에요. 모델이 문장 한가운데서도 실을 놓치지 않고 언어를 바꿔요.

순수 외국어 음성이 정직한 약점이에요. 영어뿐인 녹음과 다른 언어는 제한된 품질로 동작하고, 무거운 억양이나 시끄러운 방은 결과를 더 끌어내려요. 자신 있게 틀린 전사본이 솔직한 경고보다 나쁘기에 저희는 이걸 페이지에 적어요.

경계가 두 개 더 있어요. 30분이 넘는 오디오는 받지 않아요 — 긴 녹음은 업로드 전에 나눠 주세요. 그리고 결과의 화자 정보는 엔진이 내주는 것 그대로예요. 없을 수도 있고, 화자 분리에 대해 강한 약속은 하지 않아요.

시간, 비용, 프라이버시

대부분의 작업은 몇 분 안에 끝나요. 전사 작업의 상한은 약 40분으로 가장 느린 허용 녹음까지 커버하고, 엔진이 돌아가는 동안 진행 상황이 보여요. 40분이라는 수치는 작업 타임아웃이지 지연의 약속이 아니에요 — 짧은 녹음이 흔한 경우이고 빨리 돌아와요.

도구는 무료이고 계정 불필요하며, 업로드한 WAV와 생성된 모든 파일은 24시간 이내 자동 삭제돼요. 업로드는 HTTPS로 이동하고, 처리는 변환 클러스터의 메모리에서 일어나며, 사이트에 제3자 광고 네트워크는 없어요. 이메일 주소는 어느 시점에도 요청하지 않아요. 사내 회의의 전사본이라면 그 정도는 기본이니까요.