Whisper는 비교 기준으로 적절하지 않으며, 현재는 Nvidia의 Nemotron·Parakeet, Mistral의 Voxtral, Cohere Transcribe처럼 더 뛰어난 최신 모델이 있음
한편 Whisper를 단순히 감싼 유료 앱 상당수는 타격을 받을 듯함. Apple이 macOS용 녹음 앱 같은 네이티브 GUI를 내놓으면 요즘 바이브 코딩으로 만들어지는 래퍼 앱 대부분이 불필요해질 것 같음

이 테스트는 영어만 평가했지만, 다른 모델들의 강점은 언어를 미리 지정하지 않고도 여러 언어를 인식한다는 데 있음. 일상적으로 세 언어를 받아쓰기할 때 단축키를 세 개씩 둘 필요가 없음

Parakeet가 정말 최첨단 모델인지는 의문임. 말을 더듬으며 “m-m-m-map”이라고 하면 Parakeet는 그대로 “m m m map”이라고 옮기는데, 용도에 따라 장점일 수도 단점일 수도 있음. Whisper는 그러지 않으며, Cohere Transcribe는 상당히 마음에 듦

Apple의 Voice Memos는 이미 macOS 15와 iOS 18부터 자동 전사를 지원함

이 모델들 가운데 매개변수 10억 개 미만은 Parakeet뿐이며 Apple 모델보다 좋아 보이지만 내장형은 아님. 지연 시간과 효율성은 어떻게 비교될지 궁금함

Apple 키보드의 형편없는 음성 입력 기능도 교체해 주길 바람. 도저히 견디기 어려운 소프트웨어임

Mac 녹음에는 Willow를 추천함. 내용을 정리하면서도 거의 즉시 처리해 내게는 ‘완벽한 전사보다 더 나은’ 수준이며, Superwhisper도 좋아했지만 차이가 커서 Willow로 옮겼음
더 좋아질 여지가 있는지 의문일 만큼 뛰어나고, 음성 인식은 이미 해결됐거나 늦어도 5년 안에는 해결될 문제로 보임. 관련 업체들이 장기적으로 살아남을지는 모르지만 소비자에게는 훌륭하며, 2030년의 Apple SpeechAnalyzer가 충분히 좋아지면 서드파티 소프트웨어가 필요 없어질 듯함

주 용도인 수학 강의 자막 생성에서 Whisper-Large-V2와 비교해 보니 훨씬 빠르고 정확도는 약간 낮았음. 실시간 전사에는 충분히 쓸 만하지만 자막을 즉시 만들 필요는 없어 당분간 Whisper를 계속 사용할 생각임

반년째 개발 중인 팟캐스트 앱에 사용하고 있는데 실제로 매우 빠름. 여러 구간으로 오디오를 나누고 동시 디코딩 스트림 제한을 넘지 않게 실행하면 엄청난 속도가 나오며, 구간 경계 일부를 잃더라도 팟캐스트 용도로는 충분함 iPhone 17 Pro에서 1시간 분량의 오디오를 1분 만에 처리함

더 빠르지만 품질이 낮다면 더 작은 Whisper 모델과 비교하는 편이 맞지 않을까 싶음

Voxtral과 비교하는 편이 더 적절함. 내 회의 전사에서는 공개·비공개 모델을 통틀어 이렇게 낮은 두문자어 오류율(AER)을 낸 모델이 없었고, 업무에서 쓰는 온갖 기술 용어도 이해하거나 추론해 거의 수정할 필요가 없음. Whisper는 처참할 정도로 나빴음

이런 이유로 Apple 제품에서는 보통 자동 수정을 끔. 개선된 음성 모델에는 조심스럽게 기대하지만, 기술 전문 용어를 흔한 단어로 ‘교정’ 해 버릴까 우려됨

Whisper small·tiny·base는 거의 4년 된 모델이고 Whisper v2나 v3에서도 갱신되지 않았는데, 이제는 더 나은 비교 대상이 있어야 하지 않을까 싶음