음성-텍스트 변환 앱: 무엇을 골라야 할까

한 줄로 정리한 음성-텍스트 변환 앱: 당신이 말하면, 앱이 입력합니다

마케팅을 걷어낸 작동 원리 전체는 이렇습니다. 키를 누릅니다. 말합니다. 앱이 당신의 음성을 녹음하고, 인식 모델에 통과시키면, 단어가 텍스트로 나타납니다. 저희 앱 Whisper by Remskill에서는 기본값이 Windows에서는 Ctrl+Space, macOS에서는 command+option 길게 누르기입니다. 누르고, 말하고, 떼면, 받아쓴 글이 당신이 이미 사용 중이던 앱의 커서 위치에 붙습니다.

사람들이 앱을 비교할 때 가장 자주 놓치는 부분이 바로 그 마지막 부분입니다. 음성-텍스트 변환 앱은 텍스트를 떨어뜨릴 수 있는 곳만큼만 쓸모가 있습니다. Apple Dictation은 Mac과 iOS 앱에 입력합니다. Windows voice typing은 Windows 로고 키 + H로 열리며 PC의 어떤 텍스트 필드에서도 작동합니다. Google Docs Voice typing은 Chrome 안의 Google Docs에서만 작동합니다. 모두 받아쓰기는 하지만, 모두가 어디든 가지는 않습니다. 그러니 정확도 점수를 비교하기 전에, 텍스트가 어디에 나타나야 하는지부터 물으세요.

음성-텍스트 변환 앱은 어떻게 작동하는가 (ASR + 정리 단계)

내부적으로 모든 음성-텍스트 변환 앱은 두 가지 별개의 일을 하며, 이 둘을 뒤섞는 것이 리뷰가 어긋나는 지점입니다.

첫 번째는 받아쓰기입니다. 자동 음성 인식이 오디오 파형을 단어의 나열로 바꿉니다. 이것이 어려운 부분이며, 모델 품질이 드러나는 곳입니다. 저희가 엔진 옵션 중 하나로 제공하는 NVIDIA의 Parakeet 모델은 Hugging Face Open ASR Leaderboard에서 평균 단어 오류율 6.34%를 기록합니다. Dragon Professional은 "첫 사용부터 최대 99% 인식 정확도"를 광고합니다. 그런 수치는 진짜지만, 조용한 방의 깨끗한 오디오를 묘사한 것입니다. 배경 소음과 값싼 노트북 마이크는 어떤 모델 교체보다도 이 수치를 더 크게 움직입니다.

두 번째는 정리 단계입니다. "그 파일을 그녀에게 보내줘 음 첫 번째 말고 두 번째 버전"을 대문자와 마침표가 있는 문장으로 바꾸는 일입니다. 더 나은 앱은 여기서 추가 AI 단계를 돌려 구두점, 대소문자, 그리고 가끔 끼는 "음"을 고칩니다. 그 정리 단계는 받아쓴 명령이 해석되는 곳이기도 하고, 군더더기가 잘려 나가는 곳이기도 하며, 끝없이 이어지는 단어 덩어리가 보낼 만한 글이 되는 곳이기도 합니다. 받아쓰기는 단어를 줍니다. 정리 단계는 다시 타이핑할 필요 없는 텍스트를 줍니다.

좋은 앱과 타이핑 시뮬레이터를 가르는 것

대부분의 음성-텍스트 변환 앱은 기본 기준은 통과합니다. 단어를 거의 맞게 받아씁니다. 계속 쓰는 도구와 일주일 만에 지우는 도구를 가르는 것은, 기능 비교표에는 좀처럼 등장하지 않는 몇 가지로 좁혀집니다.

첫째, 지연 시간. 문장을 끝내고 텍스트가 나타나기까지 긴 멈춤이 있으면, 생각의 흐름을 잃고 말하는 대신 다시 읽기 시작합니다. 둘째, 당신의 목소리에 대한 정확도 — 데모용 목소리가 아니라, 당신의 억양으로, 당신의 방에서 낸 당신의 목소리. 셋째, 영어로 작업하지 않는다면 언어 지원 범위. 그리고 도달 범위: 당신이 늘 머무는 그 하나의 앱에 입력할 수 있는가, 아니면 브라우저 탭에만 입력되는가.

그리고 아무도 마케팅하지 않는 지루한 항목이 있습니다. 당신의 음성이 어디로 가는가. 기본 OS 도구와 로컬 앱은 녹음을 당신의 기기 안에 둡니다. 클라우드 앱은 그것을 업로드합니다. 장보기 목록이라면 누가 신경 쓰겠어요. 법률 초안이나 환자 기록이라면, 그게 결정의 전부입니다. 그 얘기는 곧 하겠습니다.

Whisper by Remskill은 어떻게 생겼나

제 앱을 계속 언급하고 있으니, 비교가 공정하도록 그게 무엇인지 짚어 두겠습니다. Whisper by Remskill은 시스템 전역 데스크톱 앱입니다 — 브라우저 확장도, Word 추가 기능도, 회의 봇도 아닙니다. 단축키를 누른 채 말하고 떼면, 받아쓴 글이 어떤 앱이든 텍스트 필드든 커서 위치에 도착합니다.

받아쓰기는 세 가지 경로 중 하나를 고릅니다. 로컬 Whisper는 Base(~140 MB)부터 다국어 Large v3(~3 GB)까지 여덟 가지 모델 크기를 돌리고, 다국어 버전에서는 99개 언어를 지원하며, 영어로 번역할 수 있습니다. 로컬 Parakeet(~600 MB)은 CPU에서 Whisper보다 5~10배 빠르고 영어와 24개 유럽 언어를 다룹니다. Cloud 모드는 최신 모델과 실시간 웹 답변을 원하는 사람을 위한 본인 키 사용(BYOK) 방식의 OpenAI입니다. 모든 로컬 받아쓰기는 순수 Rust로, 전적으로 기기 안에서 실행되며, 오프라인에서도 작동합니다. 앱이 당신 대신 골라 주지 않습니다. 세 가지 경로를 보여주고, 당신이 속도, 언어, 또는 정확도를 기준으로 선택합니다. 받아쓰기 도구들이 어떻게 비교되는지 전체 목록은, 저희 받아쓰기 소프트웨어 가이드에서 더 많은 도구를 가로질러 같은 절충점을 짚어 줍니다.

Deciding between the two local engines is the most common question we get, and our Whisper vs Parakeet explainer breaks down speed, language coverage, and accuracy side by side.

Cloud 대 로컬: 당신의 목소리가 어디로 가는가

이건 제가 강한 의견을 가진 부분입니다. 클라우드 전용 음성-텍스트 변환은 대부분의 사람들이 너무 늦기 전까지는 생각하지 않는 프라이버시 문제입니다. 상사의 급여 스프레드시트, 자녀 학교에 보내는 이메일, 계약서 초안 — 그 어느 것도 당신이 목소리로 타이핑하고 싶었다는 이유만으로 어느 업체의 로그에 남아서는 안 됩니다.

예전에 함께 일하던 회사의 한 팀이 단 한 분기에 다섯 자릿수의 클라우드 AI 청구서를 쌓는 걸 본 적이 있습니다. "스마트 재시도" 루프가 똑같은 스탠드업 녹음을 네 번씩 거듭 받아쓰고 있었거든요. 분기 검토 회의에서 CFO가 대시보드를 열자 회의실이 조용해졌습니다. 비용이 헤드라인이었습니다. 더 조용한 문제는, 그걸 알아내려고 녹음된 모든 회의가 제3자 API로 보내졌다는 사실이었습니다.

로컬 우선 방식은 둘 다 해결합니다. 저희 로컬 파이프라인은 당신의 음성을 어디로도 보내지 않습니다. Cloud 모드는 선택적 예외이며, 저희 것이 아니라 당신 본인의 OpenAI 키를 씁니다. 가장 가까운 직접 경쟁자인 Wispr Flow는 클라우드 전용입니다. 설계상 오디오가 기기를 떠납니다. 어느 방식도 틀린 건 아닙니다. 하지만 당신의 작업이 이메일로 보내기 망설여질 만한 무언가를 건드린다면, 당신 자신의 기기에서 돌리세요.

다듬어지지 않은 단어가 들어가고, 깔끔한 텍스트가 나온다: AI 정리 단계

정리 단계는 따로 언급할 가치가 있습니다. 받아쓰기와 쓸 만한 텍스트의 차이가 바로 거기에 있으니까요. 인식은 단어를 순서대로 줍니다. 하지만 항상 문장을 주지는 않습니다.

로컬 모드에서 저희 앱은 선택적 정리를 당신의 기기에서 Ollama를 통해 돌립니다 — 구두점, 대소문자, 그리고 말의 군더더기 다듬기까지, 인터넷 왕복 없이 모두. Cloud 모드에서는 같은 작업이 당신의 키를 통해 OpenAI의 모델로 갑니다. 핵심은 어느 모델이 그 일을 하느냐가 아닙니다. 핵심은, 이 단계를 건너뛰는 음성-텍스트 변환 앱은 쉼표 하나 없는 문단과 세 줄마다 끼어드는 "있잖아"를 건네주고, 당신은 아낀 시간을 정리하는 데 다시 쓰게 된다는 것입니다. 좋은 앱은 텍스트가 커서에 도착하기 전에 그 일을 해 둡니다. 기본 탑재된 도구는 대체로 그러지 않는데, 짧은 메모에는 괜찮지만 좀 더 긴 글에는 답답합니다.

알아둘 만한 다른 음성-텍스트 변환 앱들

모든 용도에서 이기는 단일 앱은 없습니다. 솔직한 전장과, 각각이 누구를 위한 것인지를 정리했습니다.

1990년대 후반에 제 친척 한 분은 64 MB RAM의 Windows 98 데스크톱에서 Dragon NaturallySpeaking을 돌렸습니다. 그 설정은 "학습"을 위해 45분 동안 단어 목록을 읽게 했고, 그제야 받아쓰기가 문장당 4초 지연으로 정확도 70% 정도로 작동했습니다. 명절 편지 한 문단을 받아쓰는 데 15분이 걸렸습니다. 헤드셋은 방을 가로질러 내던져졌습니다. 헤드셋은 살아남았지만, 그 실험은 그러지 못했습니다. 25년 뒤, 일곱 살짜리가 아무것도 학습시키지 않고 90초 만에 이메일 한 통을 통째로 받아씁니다. 음성-텍스트 변환 앱이 작동하기 전에 여전히 "학습"시키라고 한다면, 그건 1999년에 살고 있는 겁니다.

전용 앱을 아예 건너뛰어야 할 때

여기가 제가 당신을 다른 곳으로 보내는 지점입니다(네, 앱을 파는 그 사람이 말이죠). 짧은 메모만 받아쓰고 — 문자, 캘린더 항목, 빠른 답장 — Mac이나 iPhone을 쓴다면, 그냥 Apple Dictation을 쓰세요. 무료이고, 기본 탑재돼 있고, 백 단어 미만이라면 일을 해냅니다. 최신 macOS에서는 엄격한 시간 제한도 없습니다. PC에서는 Windows 로고 키 + H가 같은 일을 무료로 합니다.

And if you land on the install-something side, picking a voice typing app for each device is its own short guide.

그리고 당신이 늘 하는 일이 회의를 녹음하고 나중에 검색 가능한 받아쓰기를 원하는 것뿐이라면, Otter 같은 전용 회의 받아쓰기 도구가 맞는 범주입니다. Zoom과 Teams에 연결되고, 바로 그 일을 위해 만들어졌습니다. 시스템 전역 받아쓰기 앱은 당신이 더 긴 글을, 여러 앱에 걸쳐 쓰면서, 음성이 어디로 가는지 신경 쓰는 지점쯤에서 제값을 하기 시작합니다.

무료 대 유료: $0로 얻는 것

무료 옵션은 진짜이지, 반쪽짜리 체험판이 아닙니다. Apple Dictation, Windows voice typing, Google Docs Voice typing은 비용이 들지 않고 일상적인 받아쓰기를 처리합니다. 저희 앱에서는 로컬 파이프라인 전체 — Whisper, Parakeet, 기기 내 AI 정리, 기록, 프리셋 — 가 로그인한 모든 사용자에게 무료이며, 시작하는 데 카드가 필요 없습니다.

유료 도구는 그 위에 얹어서 돈을 법니다. 클라우드 기능, 더 많은 언어, 팀 관리. 그러니 진짜 질문은 무료냐 유료냐가 아닙니다. 당신에게 주어진 무료 등급이 당신이 작업하는 모든 앱에 도달하고 당신의 음성을 당신의 기기에 두느냐입니다. 그렇다면, 거기서 멈추세요. 제 아내가 왜 로컬 파이프라인 전체를 공짜로 내주느냐고 물었을 때, 저는 5분짜리 답을 했습니다. 짧게 줄이면, 저는 당신이 무료로 시작하고 벽에 부딪혔을 때만 돈을 내는 편이 낫다는 겁니다. 클라우드 등급 가격은 저희 가격 페이지에 있습니다.

이 모든 것에 대한 제 어린 딸의 평결은 어떤 리뷰보다도 단순했습니다. 딸은 키를 한 번 누르고, 빠진 이에 대한 문장을 한마디 말하고, 그것이 나타나는 걸 보고는, 아무 말 없이 다시 그림 그리기로 돌아갔습니다. 정확도 차트도, 기능 비교표도 없이, 그저 원하는 곳에 떨어진 텍스트. 그것이 늘 중요했던 유일한 시험입니다. 단어가 당신이 필요한 곳에 나타났는가, 그리고 당신이 그것에 대해 생각해야 했는가. 답이 '예'와 '아니오'라면, 당신은 맞는 앱을 고른 겁니다.