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. 파일 업로드 모드는 Transformers.js로 Whisper AI 모델을 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.

파일 업로드는 이미 녹음된 자료에 더 어울립니다. 인터뷰, 강의, 음성 메모, 동영상의 오디오 트랙 등입니다. Whisper 모델의 최초 다운로드가 끝나면 이 모드는 연결이 없어도 계속 동작하므로, 긴 녹음이나 반복 작업에 편리합니다.

실시간으로 쓸 때는 목록에서 언어를 고르고 Start Recording을 누른 뒤, 브라우저가 물어보면 마이크 접근을 허용합니다. 목소리가 텍스트 영역을 채우며, 나중에 편집할 수 있습니다. 녹음을 다룰 때는 File Upload로 전환해 모델을 고릅니다. 속도를 원하면 Tiny, 다국어 정확도를 원하면 Small입니다. 그런 다음 MP3, WAV, MP4 같은 파일을 올립니다. 처리가 끝나면 텍스트를 복사하거나 내려받을 수 있습니다.

실시간 인식은 브라우저에 좌우됩니다. Chrome, Edge, Safari는 Web Speech API를 구현하지만 Firefox는 그렇지 않으므로, 그 경우에는 File Upload를 쓰면 됩니다. 최신 Chrome은 언어 모델을 기기에 설치해 마이크 음성을 로컬에 둘 수 있고, 그렇지 않으면 브라우저 제조사의 음성 서비스가 인식을 처리합니다. 실시간 목록은 22개 언어를 제공하고, Whisper는 자동 감지로 99개 이상을 지원합니다. 업로드는 흔한 오디오·비디오 형식을 500MB까지 받으며, 동영상은 오디오를 먼저 추출하면 처리가 빨라지고 결과도 좋아집니다.