핵심 요약 (BLUF): 이 도구는 오디오나 비디오를 텍스트와 자막으로 바꿉니다: Whisper 모델로 브라우저 안에서 직접 음성을 인식하고, 녹음의 언어를 스스로 판별하거나 선택한 언어를 받아들이며, 타임스탬프를 놓고, 결과를 TXT·SRT·VTT·JSON으로 돌려줍니다. 비디오에는 나아가 자막이 화면에 소각된 클립도 만들어 줍니다. 파일은 어디로도 전송되지 않고, 토큰도 차감되지 않으며, 여기에 유료 API는 없습니다.
도구는 오디오나 비디오를 받아 음성을 텍스트로 바꿉니다. 파일을 올리면 타임스탬프가 붙은 전사본, 완성된 자막을 받고, 비디오라면 자막을 프레임에 직접 소각한 같은 클립도 받습니다.
인식은 Whisper 모델(개방형 다국어 모델 Xenova/whisper-tiny)을 Transformers.js로 구동합니다: 브라우저가 제공하면 GPU에서 WebGPU로, 아니면 CPU에서 WASM으로. 오디오 트랙은 파일에서 로컬로, 브라우저 메모리 안에서 추출됩니다.
오디오: MP3, WAV, M4A, AAC, OGG, Opus, FLAC. 비디오: MP4, WebM, MOV, M4V, MKV, AVI, OGV. 비디오에서 도구가 오디오 트랙을 스스로 꺼냅니다: 따로 잘라낼 필요가 없습니다.
소리는 16 kHz 모노로 변환됩니다 —— Whisper가 기다리는 바로 그 형태입니다. 긴 녹음은 30초 조각으로, 5초의 겹침을 두고 인식되므로 이음매에서 단어가 잃혀지지 않습니다.
파일은 서버로 보내지지 않습니다: 소리, 인식, 자막 조립이 모두 브라우저 안에서 일어납니다. 여기에 유료 API는 없고 토큰도 차감되지 않습니다.
모델 가중치는 열려 있는 Hugging Face 카탈로그에서 한 번 내려받고 그 뒤 브라우저 캐시에 머뭅니다 —— 다음 방문엔 모델이 재다운로드 없이 이미 떠 있습니다. 서버 추론, CUDA, "우리 쪽 예비 GPU"는 전혀 없습니다.
Whisper는 99개 언어를 인식합니다. 기본적으로 언어는 자동으로 판별되고, 도구는 어떤 언어를 들었는지 보여 줍니다. 녹음이 짧거나 섞여 있으면 목록에서 언어를 수동으로 고를 수 있습니다 —— 그러면 인식이 더 정확해집니다.
텍스트는 버튼 하나로 복사하거나 네 가지 형식으로 내려받을 수 있습니다. TXT는 전사본 그 자체, 타임스탬프를 붙이든 안 붙이든. SRT와 VTT는 플레이어, 편집 프로그램, YouTube를 위한 완성된 자막입니다. JSON은 언어·길이·모든 대사에 타임스탬프가 붙은 전사본으로, 후속 가공에 유용합니다.
비디오 파일에는 도구가 자막을 화면에 직접 소각한 새 클립을 만듭니다. 그런 비디오는 어디서든 재생됩니다 —— 외부 자막을 지원하지 않는 곳에서도: 메신저, 소셜 네트워크, 어떤 플레이어에서도. 원본 소리는 유지됩니다.
같은 자막은 SRT와 VTT 파일로도 내려받을 수 있습니다 —— 비디오를 다시 만들지 않고 원본에 붙일 수 있습니다.
음성을 다른 언어로 번역하지 않습니다: 인식은 녹음의 언어로 진행되고, 번역은 별도의 일입니다. 화자를 목소리로 구분하지 않고, 누가 무엇을 말했는지도 표시하지 않습니다.
음악과 소음을 음성으로 다루지 않습니다: 녹음에 알아들을 수 있는 말이 없으면 전사본은 비거나 부정확해집니다. 품질은 녹음에 달려 있습니다 —— 소음과 잔향 없는 깨끗한 목소리에서 결과는 눈에 띄게 좋습니다.
오디오나 비디오를 고르고, 필요하면 언어를 지정하거나(자동 판별을 놔두어도 됩니다) «음성 인식»을 누릅니다. 전사본을 기다리세요 —— 진행 상황이 화면에 보이며, 인식을 중단할 수 있습니다.
그다음 텍스트를 복사하거나 TXT, SRT, VTT, JSON을 내려받으세요. 비디오를 올렸다면 «자막이 든 비디오 만들기»를 눌러 완성된 클립을 내려받으세요.
비디오와 팟캐스트 제작자 —— 게시용 자막과 소개용 전사본. 학생과 기자 —— 강의, 인터뷰, 녹음기 소리의 텍스트. 녹음에서 빨리 텍스트를 얻고 싶지만 남의 서버로 보내기는 싫은 모든 사람.
어디로도 아닙니다. 소리는 전부 브라우저 안에서, 당신의 기기에서 추출되고 인식됩니다. 우리 서버는 그 파일을 결코 받지 않습니다.
아닙니다. 이것은 당신의 기기에서 돌아가는 무료 도구입니다: 여기에 유료 API가 없으니 차감할 것도 없습니다.
모델은 당신의 기기에서 계산합니다. 첫 실행이 더 깁니다: 모델 가중치를 내려받고 계산 그래프를 데웁니다. 그 후엔 모델이 브라우저 캐시에서 오므로 인식이 더 빨라집니다.
목록에서 언어를 수동으로 고르고 인식을 다시 돌리세요 —— 짧은 녹음에서는 수동 선택이 자동 판별보다 정확합니다.
네. SRT나 VTT를 내려받아 비디오에 붙이거나, 도구 안에서 바로 소각 자막이 든 클립을 만들 수 있습니다.