무료 인 브라우저 Whisper 전사기들을 시간별로 테스트해봤습니다

원래 mastershot.app에 게시되었습니다.

Mastershot의 audio to text는 OpenAI의 Whisper를 브라우저에서 실행하여 녹음 파일이 컴퓨터를 벗어나지 않게 합니다. 같은 작업을 수행하는 다른 무료 사이트들도 많이 있습니다. 제가 브라우저에서 실행하기 때문에 더 작은 Whisper Base (multilingual) 모델을 사용해야 했고, 이 테스트 목적으로 제가 테스트한 모든 다른 웹사이트들에도 동일한 모델을 사용했습니다. 다른 웹사이트들과 비교하고 싶었던 이유는 정확도와 속도를 위해 긴 오디오 녹음 파일에 대한 처리 아키텍처를 집중적으로 최적화했기 때문입니다.

요약: 8분 클립의 경우, 세 가지 가장 빠른 도구들이 서로 3초 이내로 끝났고, 거의 모든 도구가 같은 단어들을 정확하게 전사했습니다. 57분 녹음 파일의 경우, Mastershot은 2분 3초 만에 완료되었고, 다음 두 개는 각각 3분 21초와 3분 26초가 걸렸습니다. 게다가 다른 두 사이트들은 문장 반복이나 건너뛴 부분이 있었습니다. Mastershot은 반복이 전혀 없었습니다.

아래에는 모든 것을 테스트하는 데 사용한 수치들과 방법론이 나와 있습니다.

규칙

• 무료이며 제한 없음. 오디오 1시간을 전사하려면 비용을 지불해야 하는 도구는 테스트 대상이 아닙니다. 왜냐하면 유료 도구들은 일반적으로 훨씬 큰 모델을 사용하는 서버에서 실행되기 때문입니다. 이 이유로 제외된 도구들과 그들의 제한 사항은 아래에 나열되어 있습니다.
• 동일한 모델. 모든 도구는 Mastershot이 사용하는 Whisper base, 다국어(multilingual) 모델로 설정되었습니다.
• 브라우저에서 실행. 여기의 모든 것은 사용자의 컴퓨터 자체에서 전사됩니다. 아무것도 업로드되지 않습니다.

녹음 파일

저는 Moira Fogarty가 낭독한 라이오넬 자일스(Lionel Giles) 번역본의 『전쟁론(The Art of War)』 LibriVox 녹음본을 사용했습니다. 이 자료는 퍼블릭 도메인(public domain)에 속하므로 누구나 다운로드하여 동일한 테스트를 진행할 수 있으며, 책의 텍스트는 제가 비교해야 할 정확한 원문 텍스트를 제공합니다. 저는 Project Gutenberg의 주석 없는 판본과 각 부분 시작 및 끝에 그녀가 읽는 LibriVox 안내 문구("This is a librivox recording, etc.")까지 포함하여 점수를 매겼습니다.

저는 두 가지 테스트를 진행했습니다:

• 8분 25초: 서론과 첫 두 부분 (1,270 단어).
• 57분 10초: 처음 열한 부분 (8,804 단어). 8분짜리 테스트에서 시간이 오래 걸리는 결과가 일부 있었기 때문에, 더 긴 녹음본에서는 상위 3개만 테스트했습니다.

시간 측정 방법

모든 과정은 Apple M2 Pro와 32GB 메모리를 장착한 MacBook Pro에 전원을 연결하고 Chrome 155를 macOS 26.6에서 실행하여 진행했습니다. 저는 다른 작업을 전혀 하지 않은 상태로 도구를 하나씩 사용했으며, 각 테스트 사이에 20초의 간격을 두었고 매 라운드마다 순서를 무작위로 섞었습니다.

각 도구는 시간 측정 전 모델을 이미 다운로드했기 때문에, 소요 시간에 다운로드 시간은 포함되지 않았습니다. 시계는 제가 도구의 시작 버튼(파일이 선택되면 즉시 시작되는 Zalt에서)을 클릭했을 때 시작되었고, 전체 스크립트가 페이지에 나타났을 때 멈췄습니다. 각 도구는 세 번씩 실행되었으며 저는 중간 시간을 보고했습니다.

점수 측정 방법

저는 단어 오류율(Word Error Rate, WER)을 계산했습니다. 이는 도구가 잘못 인식했거나, 누락했거나, 추가한 단어를 알려진 텍스트의 단어 수로 나눈 비율입니다. 이 값이 낮을수록 좋습니다. 비교하기 전에 두 텍스트 모두 Whisper 자체 영어 정규화기(English normalizer)를 거칩니다. 이 정규화기는 대문자, 구두점, 숫자 표기 방식 등을 무시하므로 오직 단어만 계산됩니다.

알려진 텍스트에 대한 두 가지 사항이 있습니다.

1. 독자가 책에 있는 세 문장을 건너뛰었습니다. 모든 도구들이 이 부분들을 빠뜨렸고, 오디오에는 그 부분이 있을 만한 일시 정지 구간도 없었기 때문에 저는 이를 핵심에서 제외했습니다.
2. 몇몇 부분에서는 모든 도구가 책의 단어와 약간 다른 단어를 들었습니다("mantlets"를 "mantles"로, "incomes"를 "income"으로). 저는 WER을 약간 증가시키는 원인이 된 책의 단어를 유지했습니다.

8분 클립

• whisperweb.app는 다른 도구들만큼 잘 들었지만, TXT 다운로드 시 각 줄을 공백 없이 다음 줄에 붙여서 만듭니다("a matter of life anddeath", "can onno account be neglected"). 이것을 정확하다고 간주하면 3.9%를 기록합니다. 이 도구는 Xenova의 오픈소스 Whisper Web을 기반으로 구축되었습니다.
• Zalt는 몇몇 긴 구간에서 약 150개의 단어를 빠뜨렸는데, 여기에는 첫 번째 단락 대부분이 포함됩니다.
• Knackpad가 가장 정확했지만, 페이지 자체에서 메인 스레드로 Whisper를 실행하기 때문에 완료될 때까지 탭이 멈춥니다. 가장 빠른 도구들보다 세 배나 오래 걸렸습니다.
• whisper.cpp의 데모는 whisper.cpp의 공식 브라우저 빌드입니다. 이 사이트는 8개의 프로세서 스레드를 사용할 수 있게 합니다. 정확하지만, 가장 빠른 도구들보다 두 배 이상 시간이 더 걸렸습니다.

가장 빠른 세 가지 도구 모두 WebGPU를 통해 컴퓨터 그래픽 칩에서 Whisper를 실행합니다. 이렇게 짧은 녹음에서는 거의 비슷한 수준입니다.

57분 녹음본

한 시간 이상이 지나면서 격차가 벌어집니다. whisperweb.net과 EarScribe는 모두 녹음 파일을 약 30초 간격으로 나누고 약간씩 중첩하여 처리합니다. 두 조각이 만나는 경우, 때로는 문장이 두 번 작성되기도 합니다 (예: "for every victory gained you will also suffer a defeat"가 양쪽에서 두 번 나옴) 때로는 아예 기록되지 않기도 합니다. 또한 둘 다 녹음 파일 중간에 끊기는 마지막 문장은 누락시킵니다.

EarScribe's transcript of the 57-minute recording at 12:43, with

57분 분량의 녹음 파일 중 12:43 지점의 EarScribe 결과. "for every victory gained you will also suffer a defeat."라는 문장이 두 번째로 복사되어 끝납니다.

Mastershot은 긴 녹음 파일에서 더 빠릅니다. 왜냐하면 컴퓨터에서는 말하는 동안의 일시 정지 구간을 기준으로 분할하여 중복이 없게 최대 세 부분으로 나눈 다음, 워커(workers)를 이용해 병렬로 내용을 전사하기 때문입니다. (휴대폰, iPad 및 Safari에서는 하나의 워커로 유지됩니다.) Mastershot은 여전히 내용이 중복되는 부분은 없었습니다. 다만 두 개의 짧은 구간을 놓쳤습니다: 네 번째 부분 끝의 "So much for tactical dispositions"와 여덟 번째 부분 이후의 "Recorded in Toronto, Ontario, by Moira Fogarty, October 2006".

Mastershot's transcript of the same passage of the 57-minute recording, with

Mastershot에서 동일한 구절이 한 번 작성된 모습.

설정을 변경하지 않았을 때 얻게 되는 결과

공정한 테스트를 위해 모든 도구를 Whisper base로 설정했지만, 이것이 대부분의 도구가 시작하는 방식은 아닙니다. whisperweb.app, whisperweb.net, Zalt 및 Knackpad는 모두 더 작고 정확도가 낮은 Whisper tiny로 시작합니다. EarScribe는 base로 시작합니다. Mastershot만 base를 실행합니다.

무료라서 제외한 도구들

저는 2026년 10월 14일에 이 도구들의 개별 가격 페이지를 확인했습니다. 모두 녹취록 변환(transcription)을 무료로 시도해 볼 수 있게 해주지만, 실제로 57분 분량의 녹음 파일이라면 비용을 지불해야 합니다.

TurboScribe는 무료인가요?

TurboScribe는 무료 플랜을 운영합니다. 하루 3개 파일, 각 최대 30분까지 가능하며, 무료 파일은 낮은 우선순위로 처리됩니다. 이번 테스트에서 사용된 57분 분량의 녹음 파일은 이 제한을 초과하므로, 무료 플랜으로는 파일을 두 개로 나누어 그날 할당량을 두 번 사용하는 방법밖에 없습니다. 유료 플랜은 연 단위 결제 시 월 $10부터 시작합니다. 또한 TurboScribe는 자체 서버에서 녹취록 변환을 수행하기 때문에 녹음 파일이 업로드되는데, 제가 테스트한 다른 도구들은 이 기능을 제공하지 않습니다.

직접 확인해 보기

제가 사용한 모든 자료가 여기에 있으니, 여러분도 자신의 컴퓨터나 제가 놓친 다른 도구를 사용하여 동일한 테스트를 진행할 수 있습니다:

• 8분 클립 (6 MB)
• 클립의 정답지와 57분 분량의 정답지
• 점수 계산 스크립트 (Python과 jiwer, whisper-normalizer 필요)
• 각 도구의 녹취록 (각 도구가 저에게 제공해 준 자료입니다)

이 57분 분량의 녹음 파일은 LibriVox 녹음본 중 처음 열한 부분을 모두 합치고 11번째 부분 중간 지점인 57분 10초에서 잘린 것입니다. 만약 브라우저에서 Whisper base를 구동하는 무료 도구를 찾았는데 제가 빠뜨렸다면, 댓글로 알려주세요. 제가 테스트해 보겠습니다.