트랜스크립션 소프트웨어, 정리해봤어요

정확도에 대한 지루한 진실 (그리고 95% 함정)

인터넷의 모든 트랜스크립션 제품은 95~99% 범위의 정확도를 자랑해요. Notta는 98.86%를 광고하고, Happy Scribe는 99% 인간 트랜스크립션 티어를 팔아요. 저희 홈페이지 FAQ에도 로컬 모드 정확도가 "보통 95%~99% 범위"라고 적혀 있어요. 저 숫자들이 거짓말은 아니에요. 다만 어떤 오디오로 측정했는지 말해주지 않는, 잘못된 숫자예요.

연구 결과가 실제로 말하는 건 이래요. OpenAI의 Whisper large-v3는 오늘날 대부분의 트랜스크립션 도구들이 사용하거나, 모방하거나, 경쟁 상대로 삼는 모델이에요. Hugging Face ASR 리더보드 공개 기준 평균 Word Error Rate는 7.44%예요. LibriSpeech-clean(스튜디오급 오디오북 녹음)에서는 같은 모델이 2.01% WER을 기록해요. 겹치는 목소리와 나쁜 음향이 있는 표준 회의실 벤치마크 AMI에서는 동일한 모델이 15.95% WER을 찍어요. 같은 모델, 같은 주. 나쁜 오디오에서 오류가 여덟 배 더 많아요.

이 차이가 바로 95% 함정이에요. 스튜디오 환경에서 "95% 정확"한 게, 이동 중인 차에서 상사가 연 회의에서는 84% 정확도가 될 수 있어요. OpenAI의 공식 모델 카드에도 이런 내용이 나와 있어요: 성능은 언어마다 다르고, 저자원 언어에서는 낮으며, 악센트, 나이, 성별, 인구통계에 따라 달라진다고요. NVIDIA도 Parakeet에 대해 같은 말을 해요: LibriSpeech-clean에서 1.93% WER, AMI에서 11.31% WER.

그러니까 마케팅 페이지에서 정확도 숫자를 볼 때, 그 업체가 답하지 않은 질문을 해보세요. 어떤 오디오로? 어떤 마이크로? 어떤 언어로? 몇 명이 동시에 말하는 상황에서? 페이지에 그 내용이 없다면, 최상의 수치라고 가정하세요. 그리고 실제 여러분의 오디오는 더 나쁘다고 가정하세요.

지루한 진실은 이래요: 트랜스크립션 정확도를 높이는 데 가장 중요한 투자는 모델이 아니라 마이크예요.

AI 트랜스크립션 vs. 인간 트랜스크립션

지금 세상에는 두 종류의 트랜스크립션 소프트웨어가 있어요. 가격 책정 방식은 마치 같은 것처럼 되어 있는데, 혼란의 절반이 거기서 나와요.

AI 트랜스크립션은 저렴하고 즉각적인 종류예요. 파일을 올리거나 실시간으로 받아쓰면 모델이 몇 초 안에 텍스트를 돌려줘요. 정확도는 84%(나쁜 회의)에서 98%(깨끗한 음성 메모) 사이 어딘가에 자리잡아요. Happy Scribe는 AI 플랜 추가 이용 시 분당 $0.20을 받아요. 저희 클라우드 모드는 OpenAI를 통해 직접 분당 약 $0.003을 청구해요. Otter, Notta, Trint, Descript, Jamie — 전부 내부적으로 AI를 쓰고, 종종 같은 몇 가지 모델이에요.

인간 트랜스크립션은 비싸고 시간이 걸리는 종류예요. 사람이 오디오를 듣고 타이핑해요. Happy Scribe의 인간 티어는 분당 $2.00부터 시작해요. 99% 정확도에 4시간 이상의 대기 시간을 광고해요. Rev, GoTranscript, 그리고 몇몇 다른 곳들이 비슷한 가격대에 있어요. 용도는 실제로 있지만 좁아요: 법원 속기록, 의료 진술서, AI 출력물에 잘못된 약물명이 들어가면 누군가 법정에 서게 되는 상황들.

이 글을 읽는 대부분의 분들은 AI가 필요할 거예요. 아래 표로 확인해보세요.

제가 지켜본 실수는 두려움 때문에 인간 트랜스크립션 비용을 내는 거예요. 그러고는 결과물을 6시간 뒤에 받아보고 이미 그 일에서 멀어진 뒤라 읽지도 않는 거죠. 화요일이면 어차피 무시할 답변이라면, AI면 충분해요.

클라우드 vs. 로컬: 내 오디오가 어디로 가는가

이 부분 읽고 싶은 사람이 없다는 거 알아요. 근데 모두가 읽어야 해요. 트랜스크립션 도구를 고르면 여러분의 음성 오디오가 (모든 단어가) 어딘가로 가요. 어딘가가 중요해요.

클라우드 트랜스크립션은 오디오가 컴퓨터를 떠나는 방식이에요. 업체의 서버로 가고, 그쪽 하드웨어에서 모델이 트랜스크립션하고, 텍스트(그리고 대개 오디오도)가 조회할 수 있을 만큼 오래 저장돼요. Otter, Trint, Notta, Happy Scribe, Descript, Jamie, Wispr Flow — 전부 클라우드예요. 저희 클라우드 모드도 그렇지만, 중요한 차이가 하나 있어요. 클라우드 모드에서 오디오는 여러분 기기에서 OpenAI로 직접 전송돼요. Whisper by Remskill은 중간에 없어요. 오디오도, 트랜스크립션 결과도 보지 않아요. 여러분 데이터의 공식 업체는 선택한 모델을 운영하는 회사예요.

로컬 트랜스크립션은 오디오가 노트북을 떠나지 않는 방식이에요. 모델이 CPU나 GPU에서 실행돼요. 네트워크 왕복 없음. 업체 로그 없음. "서비스 개선을 위해 데이터를 사용할 수 있다"는 조항 없음. Apple Dictation이 지원되는 Mac에서 일반 텍스트에 이걸 해요. 저희 로컬 모드(Parakeet와 Whisper)는 Windows와 Apple Silicon Mac에서 그렇게 해요. 이 카테고리에서 순수 로컬을 제공하는 곳은 거의 없어요.

한번은 제가 같이 일했던 회사 내부 팀이 스탠드업 녹음을 네 번씩 받아쓰면서 한 분기에 다섯 자리 클라우드 AI 비용을 냈어요. 프로토타입의 "스마트 재시도"가 너무 공격적이었어요. CFO가 다음 분기 리뷰 때 대시보드를 열었어요. 방이 아주 조용해졌어요. 클라우드가 비싸다는 게 요점이 아니에요(한 사용자의 사용량에서는 보통 비싸지 않아요). 요점은 누군가 설명해달라고 하기 전까지는 내 기기에서 무엇이 나가는지 알아채지 못한다는 거예요.

오늘날 광고되는 AI 받아쓰기 앱 대부분은 여러분이 직접 할 수 있는 OpenAI Whisper API 호출에 월 $30짜리 껍데기를 씌운 거예요. 클라우드 마크업을 받고 서버에서 모델을 실행해 결과를 화면에 보내주는 소프트웨어예요. 그 모델은 2022년부터 있었어요. 비싼 건 AI가 아니에요. 비싼 건 반복 구독이에요. 오디오가 민감하거나, 노트북이 최근 4년 이내 것이고 다른 작업을 많이 하지 않는다면, 로컬이 솔직한 선택이에요.

That choice deserves its own breakdown, so our local vs cloud transcription guide spells out the accuracy, privacy, and cost trade between keeping audio on your machine and sending it to a server.

If that resonates, it is worth reading how offline speech-to-text desktop apps keep your voice on your own machine.

Whisper by Remskill이 하는 것 (그리고 안 하는 것)

Whisper by Remskill은 저희 앱이에요. 단축키로 음성-텍스트 변환을 실행하는 데스크톱 도구(Windows와 Apple Silicon Mac)예요. 단축키를 누르고, 말하고, 손을 떼면 커서 위치에 텍스트가 나타나요. 이메일, Word, Slack, 코드 에디터, 브라우저 주소창 — 어느 앱에서나 작동해요. 로컬 파이프라인은 인증된 사용자라면 누구든 무료예요(Whisper, Parakeet, Ollama AI 향상, 히스토리, 프리셋, 커스텀 단축키). 가입 시 결제 수단 불필요. Pro는 클라우드 기능을 추가해요.

세 가지 트랜스크립션 방식을 제공해요. 앱이 기본값을 정하지 않아요. 여러분이 선택해요:

기본 단축키는 Windows에서 Ctrl+Space, macOS에서 Command+Option이며 설정에서 변경 가능해요. AI 처리가 켜져 있을 때 기본 AI 활성화 키워드는 "Hey whisper"예요. 로컬 AI 향상은 localhost:11434의 Ollama를 통해 실행돼요. 세 가지 성능 프리셋(빠름, 균형, 정확)이 내부적으로 빔 크기와 음성 활동 임계값을 조정해요.

Whisper by Remskill이 하지 않는 것: 미팅 봇. 여러분의 Zoom에 참여하지 않고, 나중에 요약해주지 않고, 캘린더 초대를 추적하지 않아요. 여러분 기기의 도구 하나, 단축키 하나, 커서에 붙여넣기 하나. 미팅 메모 기록이 필요하다면 다른 카테고리 도구가 필요해요. 계속 읽어보세요.

이름에 관한 메모인데, 거의 모든 분이 헷갈려하세요. Whisper-the-OpenAI-model은 2022년에 출시된 무료 오픈소스 음성 인식 모델이에요. Whisper by Remskill은 그 모델(그리고 다른 모델들)을 사용하는 저희 데스크톱 앱이에요. 온라인에서 누군가 "Whisper 쓴다"고 할 때, 절반은 모델을 말하고 절반은 제품을 말해요. 리뷰 읽을 때 구별해두면 도움이 돼요.

녹음 오버레이의 세 가지 상태

Whisper가 활성화되면 화면 하단에 알약 모양 표시가 나타납니다. 방해되지 않고 앱을 가리지도 않습니다.

하드웨어에 맞는 Whisper 모델 선택하기

영어 전용 버전(.en)은 영어만 지원하며, 영어 오디오에서는 다국어 버전보다 약간 더 빠르고 약간 더 정확합니다. 두 가지 이상의 언어로 받아쓰거나 영어로 번역이 필요한 경우에만 다국어 버전을 선택하세요.

알아둘 만한 다른 도구들

"최고의 트랜스크립션 소프트웨어"를 검색하면 만나게 될 이름들이에요. 대부분 직접 써봤고, 저희 도구가 못 하는 일에는 몇 가지를 계속 쓰고 있어요.

도구 여덟 개, 훑었어요. 이 카테고리의 나머지는 대부분 이 회사 중 하나를 리브랜딩한 것이거나, 더 작은 상자에 담긴 이 모델 중 하나예요.

If text-to-speech is what you actually need here is the honest free TTS roundup with the H1-vs-FAQ trick every "free" page hides.

이 목록의 모든 도구를 건너뛰고 그냥 폰을 쓸 때

Before you pay anyone anything, check what is already on your phone. iOS ships system-level dictation through Voice Control and the keyboard mic. Android ships Live Transcribe and Gboard voice typing. Both are free, no signup, work in every app, and the quality on modern phones is good enough for short text — we walked through the talk-to-text shortcuts on every device if you want the exact key combos.

"밥하면서 문자 답하기" 또는 "회의 시작 전 60자 메모 남기기"가 일이라면, 폰이 맞아요. 노트북 여는 것보다 빠르고, 어디 로그인하는 것보다 빠르고, 월 요금 없음. Apple의 Mac Dictation도 살펴볼 만해요. 지원되는 Mac에서 텍스트를 기기 내에서 처리하고, 고정 길이 제한 없이 원하는 만큼 받아써요. 30초 침묵 후 스스로 멈추고요. 바로 이 침묵 타임아웃이 끊임없이 도는 "Apple Dictation은 30초 제한이 있다"는 미신의 출처예요: 녹음 한도가 아니에요. Apple Dictation은 현재 62개 언어 및 지역 변형을 지원하는데, 대부분의 유료 제품보다 많아요.

폰이 한계를 보이는 곳은 데스크톱 앱에서의 지속적인 받아쓰기예요. 폰으로 이메일을 받아쓸 수 있어요. CRM에서 12개 변형 콜드 이메일 배치를 폰으로 받아쓸 수 있어요. 싫어질 거예요. 데스크톱 도구는 거기서 값어치를 해요. 그전까지는, 폰은 무료예요.

If most of your desktop dictation is email — specifically dictating Gmail replies on a laptop — there is a separate breakdown of the Chrome-extension path versus the system-app path that goes deeper than this article does.

가격

대부분의 트랜스크립션 도구는 월 $20~$50를 원해요. 저희는 더 저렴하고, 한 번만 낼 수도 있어요.

이 카테고리의 가격 구조는 네 가지로 분류돼요. AI 전용 구독 도구들(Otter, Trint, Notta, Descript, Jamie)은 사용자당 월 $10~$50 범위이고, 가끔 녹음 분수 제한이 있는 넉넉한 무료 티어가 있어요. AI+인간 서비스인 Happy Scribe는 구독 외에 분당 요금을 부과하고, 인간 티어만 해도 분당 $1.90~$2.00예요. 단축키 받아쓰기 도구들(Wispr Flow, 저희)은 생산성 소프트웨어 방식으로 가격이 책정돼요 — 개인 사용자 기준 월 또는 연간, 가끔 평생 옵션도 있어요. 그리고 무료 옵션이 있어요: Apple Dictation, Google 음성 입력, 폰 내장 키보드 마이크. Apple과 Google이 그 OS를 지원하는 한 월 0원이에요.

솔직한 결정 기준은 "뭐가 제일 싸냐"가 아니에요. "내가 실제로 하는 일에 향후 3년간 얼마가 드느냐"예요. 일주일에 두 번 쓰는 $20짜리 미팅 도구는 3년에 $720이에요. 매일 쓰는 받아쓰기 도구 평생 한 번 구매는 청구서 하나예요. 구독 버튼 클릭 전에 월 금액에 36을 곱해보세요. 일주일에 한 번 쓰는 구독에 그 수학이 좋게 나오는 경우는 거의 없어요.

저희 현재 요금(월, 연, 평생, 팀)은 요금 페이지에 있어요. 여기에 안 적는 건 바뀌기 때문이고, 페이지가 출처예요.

이 글의 지루한 버전은 여러분이 이미 필요한 게 뭔지 안다는 거예요. 하루 종일 지속적으로 글 쓰기? 단축키 받아쓰기 도구, 로컬이든 클라우드든. 일주일에 미팅 하나? 미팅 메모 도구, 월 구독. 90분짜리 인터뷰 하나? Happy Scribe에 $0.20/분 내고 넘어가요. 법률 진술서? 사람을 고용하세요. 지루하지 않은 버전은, 이 카테고리 사람들 대부분이 같은 서너 명이 쓴 마케팅 페이지 때문에 잘못된 제품에 돈을 내고 있다는 거예요. 솔직한 방법은 다음 달에 하고 싶은 게 아니라 이번 주에 실제로 하는 것을 보고, 그 메인 카피가 내 상황을 설명하는 도구를 고르는 거예요. 나머지는 다 소음이에요.