내 컴퓨터에서 음성을 글로: faster-whisper 첫 전사 연습

촬영한 말에서 제목과 인용문을 뽑으려면 먼저 글이 필요해요. 매번 긴 녹음을 손으로 받아쓰기 전에 로컬 전사 도구를 살펴볼 수 있어요. faster-whisper는 CTranslate2를 사용하는 Whisper 구현이며 Python 작업에 연결하기 좋은 선택지예요.

속도보다 내 환경에서 실행되는지가 먼저예요

공식 README에는 CPU와 GPU 사용 예제가 있어요. 공개된 벤치마크 숫자는 특정 장비와 설정의 결과이므로 내 컴퓨터의 예상 시간으로 옮기지 마세요. 먼저 짧은 파일이 처리되는지 확인하고, 모델 크기를 키우는 실험은 그다음에 해요.

가상환경과 짧은 파일을 준비해요

현재 지원 Python 버전은 공식 README에서 확인하세요. 별도 작업 폴더와 가상환경을 만든 뒤 패키지를 설치하고, 자신이 녹음한 sample.wav를 넣어요. CPU 예제의 핵심은 WhisperModel에 device="cpu", compute_type="int8"을 지정하는 방식이에요. 모델 파일은 처음 사용할 때 내려받을 수 있으니 저장 공간과 네트워크를 준비하세요.

결과는 반복해서 꺼내야 볼 수 있어요

공식 예제는 model.transcribe로 segments와 info를 받고, segments를 반복하면서 각 구간의 시작·끝·문장을 출력해요. segments는 지연 실행되는 생성자이므로 객체만 만들고 끝내면 전사가 완료됐다고 볼 수 없어요. 처음에는 공식 Usage 예제를 그대로 읽고, 파일 이름만 자기 녹음으로 바꾸세요.

초안에서 편집용 문장으로 다듬어요

한국어 녹음은 language="ko"처럼 언어를 지정하는 방식을 확인할 수 있어요. 자동 전사를 받은 뒤 수치·제품명·영문 약자를 원음과 대조하세요. 여기서 얻는 것은 전사 구간이지 완성된 자막 디자인이 아니에요. 줄바꿈과 화면 배치는 자막 편집 단계에서 정리해요.

오늘 직접 해볼 것

“오늘 소개할 도구는 …”으로 시작하는 20초 한국어 음성을 녹음해보세요. 공식 CPU 예제로 시작·끝·문장을 출력하고, 원래 말한 내용과 달라진 부분 세 곳을 표시하세요. 설치가 어려우면 오류 메시지와 Python 버전부터 메모해요.

시작 전에 확인하세요

난이도는 중간이에요. CPU 경로도 있지만 GPU를 사용하려면 공식 문서의 CUDA·cuDNN 호환 조건을 확인해야 해요. 최초 모델 다운로드와 완전한 오프라인 실행은 구분하세요. 실제 한국어 인식률이나 처리 속도를 측정한 글은 아니에요.

다음 작업으로 이어가기

자동 자막 다음에 할 일: Subtitle Edit로 읽기 편한 SRT 만들기
https://pickmyride.kr/journal/subtitle-edit-readable-srt/
영상 전체를 돌리기 전에: Video2X로 3초 구간부터 비교하기
https://pickmyride.kr/journal/video2x-short-upscale-test/

공식 자료와 확인 범위

faster-whisper 공식 저장소: https://github.com/SYSTRAN/faster-whisper
2026년 10월 28일 공식 공개 자료를 확인해 작성한 활용 가이드입니다. 실습 과제는 픽마이라이드의 제안이며, 편집부가 해당 프로그램을 설치해 성능을 측정한 후기는 아닙니다. 표지와 과정 그림은 자체 제작 설명 그래픽입니다.