음성을 텍스트로

Speech to Text에는 같은 목적을 가진 두 개의 독립 엔진이 있습니다. 실시간 모드는 최신 브라우저에 내장된 Web Speech API(SpeechRecognition 인터페이스)를 사용해 말하는 동안 화면에 글자를 써 내려갑니다. 먼저 임시 텍스트가 보이고, 말을 멈추면 확정된 문장으로 바뀝니다. 오디오 파일 모드는 Whisper AI 모델을 브라우저에 불러와, 이미 가지고 있는 녹음을 마이크 없이 받아씁니다.

실시간 받아쓰기는 손을 쓰지 않고 생각을 남길 때 좋습니다. 회의 메모, 빠른 초안, 타이핑보다 말이 편한 메모 같은 경우입니다. 글자가 곧바로 나타나 짧은 실시간 작업에서 흐름을 유지하기에 알맞습니다.

오디오 파일 모드는 이미 녹음된 자료에 더 어울립니다. 인터뷰, 강의, 음성 메모, 동영상의 오디오 트랙 등입니다. Whisper 모델을 한 번 다운로드하면 브라우저가 보관하므로 다음 작업은 다시 다운로드하지 않고 시작합니다. 긴 녹음이나 여러 파일을 처리할 때 알맞습니다.

실시간으로 쓸 때는 목록에서 사용할 언어를 고르고 녹음 시작을 누른 뒤, 브라우저가 물어보면 마이크 접근을 허용합니다. 말한 내용이 녹취록을 채우며 나중에 편집할 수 있습니다. 녹음 파일은 오디오 파일 탭으로 전환해 모델을 고릅니다. 속도를 원하면 Tiny, 다국어 정확도를 원하면 Small입니다. 그런 다음 MP3, WAV, MP4 같은 파일을 올립니다. 처음에는 텍스트 변환을 누르기 전에 모델이 다운로드할 용량이 표시되고, 끝나면 텍스트를 복사하거나 다운로드할 수 있습니다.

실시간 인식은 브라우저에 좌우됩니다. Chrome, Edge, Safari는 Web Speech API를 구현하지만 Firefox는 그렇지 않으므로, 그 경우에는 오디오 파일 모드를 쓰면 됩니다. 최신 Chrome은 언어 모델을 기기에 설치해 마이크 음성을 로컬에 둘 수 있고, 그렇지 않으면 브라우저 제조사의 음성 서비스가 인식을 처리합니다. 두 모드는 18개 언어를 22개 항목으로 나눈 같은 목록을 쓰며(영어·스페인어·포르투갈어·중국어는 지역별로 두 가지씩), 시작하기 전에 말하는 언어를 고르세요. 오디오 파일 모드는 언어를 자동으로 감지하지 않고 선택한 언어를 사용하며 지역은 구분하지 않습니다. 오디오 파일 모드는 흔한 오디오·비디오 형식을 500MB까지 받으며, 동영상은 오디오를 먼저 추출하면 처리가 빨라지고 결과도 좋아집니다.