도구 › 온디바이스 AI
자동 자막과 음성 텍스트 변환
브라우저에서 실행되는 OpenAI Whisper 모델로 동영상이나 녹음 속 말을 자막으로 바꿉니다. 원하는 줄을 고친 뒤 SRT, VTT, TXT 파일로 내려받거나 동영상에 바로 입힐 수 있습니다.
음성 인식 모델은 기기에 한 번만 내려받으며, 녹음 파일은 기기 밖으로 나가지 않습니다. 파일을 고르기 전에는 아무것도 시작되지 않습니다.
사용 방법
- 소리는 이 기기에서 디코딩되어 Whisper 모델이 듣는 형식인 16kHz 모노로 변환됩니다.
- 긴 녹음은 자연스러운 쉼에서 최대 30초 단위로 나뉘고, 각 부분이 타임스탬프와 함께 받아쓰기됩니다. 부분이 끝날 때마다 줄이 나타납니다.
- 언어는 첫 발화에서 자동으로 감지되며 직접 고를 수도 있습니다. 영어로 번역을 켜면 Whisper 모델이 지원하는 99개 언어의 말을 영어 자막으로 만듭니다.
- WebGPU 기능이 있으면 그래픽카드(GPU)에서, 없으면 WebAssembly 방식으로 프로세서에서 실행됩니다.
자주 묻는 질문
동영상이 업로드되나요?
아니요. 음성 모델은 Hugging Face 저장소에서 한 번만 내려받아 기기에 저장되며, 파일은 이 탭 밖으로 나가지 않습니다.
다운로드 용량은 얼마인가요?
WebGPU 기능이 없으면 빠름이 약 41MB, 정확이 약 77MB입니다. WebGPU 기능이 있으면 GPU용 버전이 약 120MB와 206MB입니다. 둘 다 다음 사용을 위해 저장됩니다.
시간은 얼마나 걸리나요?
WebGPU 기능이 있으면 보통 녹음 길이보다 훨씬 빠릅니다. 프로세서에서는 빠름이 녹음 길이의 절반쯤, 정확이 녹음 길이만큼 걸리며 처음에는 다운로드 시간이 더해집니다.
어떤 모델을 쓰나요?
MIT 라이선스로 공개된 OpenAI의 Whisper tiny(빠름)와 Whisper base(정확) 모델을 Hugging Face 저장소의 ONNX 버전으로 사용합니다. 자막은 상업적으로 써도 됩니다.
자막을 동영상에 넣을 수 있나요?
네. 동영상에 자막 입히기를 누르면 줄과 동영상이 불러와진 상태로 자막 입히기 도구가 열립니다. 스타일을 정하고 내보내면 됩니다.