Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
회의 녹음 파일을 입력하면 텍스트 변환, 화자 분리, 의사록 생성을 자동으로 수행하는 시스템 구축 사례를 소개합니다. 결정론적 스크립트와 Claude의 문맥 판단 능력을 결합하여 보안과 정확성을 동시에 확보한 설계 방식을 다룹니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Zenn AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기회의 녹음 파일을 두고 "의사록을 만들어줘"라고 한마디 하면, 텍스트 변환(Transcription)・화자 분리(Speaker Diarization)・고유명사 보정・의사록 생성까지 한 번에 실행되는 시스템을 Claude Code의 스킬로서 만들었습니다. 제조업의 생산기술 엔지니어로서 본업이 소프트웨어 엔지니어가 아닌 제가, 채택한 구성·버린 선택지·빠졌던 함정을 작성합니다.
입력: 회의 녹음/녹화(m4a / mp4 / mp3 / wav)를 클라우드 동기화 폴더에 배치
출력: 상대별 템플릿에 따른 Markdown 의사록 + 실명화가 완료된 텍스트 변환 전문
인간의 작업: 요청 한마디와 완성된 결과물의 확인·미세 수정뿐
[녹음 파일] │ ├─ 페이즈 1 (Python・결정론적) 백그라운드 실행 │ ffmpeg 정규화 → faster-whisper로 텍스트 변환 → pyannote.audio로 화자 분리 │ → 고유명사 힌트 사전으로 결정론적 치환 → 아카이브 + 매니페스트 출력 │ └─ 페이즈 2 (Claude・문맥 판단) 화자의 실명화 (자기소개·호칭으로부터 추론) → 문맥으로부터 오변환 보정 → 결정 사항・TODO・담당자・기한을 추출하여 의사록 생성
텍스트 변환이나 화자 분리에 AI의 대화 능력은 필요하지 않습니다. 반대로 "이 SPEAKER_01은 누구인가", "이 기한은 몇 월 며칠을 가리키는가"는 스크립트로 작성할 수 없습니다.
실제 동작과 실측치
최근 회의(상세 내용은 생략)에서의 실측입니다.
| 항목 | 실측치 |
|---|---|
| 녹음 길이 | 40분 |
| 페이즈 1 처리 시간 (방치 시) | 2시간 27분 (CPU 실행) |
| 페이즈 2 + 인간의 확인·수정 | 15분 |
| 기존 수작업 (다시 듣기 + 초안 작성) | 회의당 30~60분 |
생성되는 의사록의 구조는 다음과 같습니다 (내용은 생략하지만 구조는 실제와 같습니다).
# ○○사 회의 의사록 - 일시 / 장소 / 참석자 ## 결정 사항 ## TODO (내용・담당자・기한 표. 상대적 기한은 절대 날짜로 변환 완료) ## 논의 메모 ## 확인 필요 사항 (청취 불확실·화자 불명 구간을 격리)
"확인 필요 사항"이 운용의 핵심입니다. 화자를 특정할 수 없었던 발언은 잘못된 실명을 부여하지 않고
SPEAKER_*
인 상태로 남겨두어 여기에 열거하도록 했습니다. 불확실한 출력을 확신이 있는 것처럼 섞지 않는 설계입니다.
설계의 판단: 무엇을 선택하고 무엇을 버렸는가
클라우드 텍스트 변환 API는 사용하지 않았습니다. 이유는 정확도나 요금 때문이 아니라, 회의 음성이 기밀 사항의 집합체이기 때문입니다. faster-whisper와 pyannote.audio는 모두 로컬 실행이며, 음성 데이터 그 자체는 전혀 PC 외부로 나가지 않습니다. pyannote.audio에는 기본적으로 활성화된 텔레메트리(Telemetry) 기능이 있어, 실행할 때마다 회의 길이(초)와 화자 수 설정값을
https://otel.pyannote.ai/v1/traces
로 전송합니다 (음성·텍스트 변환 내용·파일명은 포함되지 않습니다). 신경 쓰이는 경우 환경 변수 PYANNOTE_METRICS_ENABLED=false 또는 코드에서 set_telemetry_metrics(False, save_choice_as_default=True)로 무효화할 수 있습니다.
음성 지문(Voiceprint)을 통한 화자 식별도 보류했습니다. 음성 지문 프로파일의 사전 등록은 과도하다고 판단하여, 대신 자기소개나 "○○ 씨는 어떻게 생각하세요?"와 같은 호칭으로부터 문맥을 추론하는 방식을 택했습니다. 인간이 녹음을 듣고 누구인지 알아내는 것과 같은 단서입니다. 특정할 수 없었던 화자는 억지로 맞추지 않고 SPEAKER_*인 상태로 남겨두는 것을 철칙으로 삼고 있습니다. 잘못된 실명을 의사록에 심는 것이 가장 위험하기 때문입니다.
Whisper의 모델은 기본값으로 medium을 사용합니다. 최상위 모델인 large-v3는 medium보다 2~4배의 처리 시간이 걸리기 때문입니다. 오변환은 2단계로 보정합니다. 문맥에서 추측할 수 없는 고유명사(인명·사명)는 힌트 사전으로 결정론적으로 치환하며, 이 사전은 의사록을 만들 때마다 새로운 오변환을 자동으로 추가하며 성장시킵니다. 문맥에서 추측 가능한 오변환("논을 짜다" → "론을 짜다")은 AI가 보정합니다. 계약 관련 업무 등 오변환이 전혀 없어야 하는 회의에 대해서만 large-v3를 명시적으로 지정합니다.
방치할 수 있을 정도가 되기까지 빠졌던 함정
기술 선정보다 이쪽이 본론일지도 모릅니다.
실측 결과, 40분 분량의 녹음 파일에 대해 2시간 27분이 소요되었으나, ffmpeg, faster-whisper, pyannote 중 어디에서 어느 정도의 시간이 소요되는지는 아직 분리하여 파악하지 못했습니다. 공정별로 타임스탬프(Timestamp)를 출력하도록 개선하는 것이 다음 과제입니다.
선물: 「의사록의 금형(Template)」 프롬프트는 시스템 전체를 만들지 않더라도, 페이즈 2(Phase 2)의 추출 규칙만이라면 오늘부터 바로 사용할 수 있습니다. Teams/Zoom의 자동 전사(Transcription) 기능이나 스마트폰 녹음 앱의 출력물을 아래에 붙여넣기만 하면 됩니다.
당신은 의사록 작성 담당자입니다. 다음의 전사 텍스트로부터 의사록을 작성해 주세요. ## 출력 포맷 # 회의명 (내용으로부터 추정) - 일시·장소·참석자 ## 결정 사항 (불렛 포인트로 작성. 없을 경우 「해당 없음」이라고 명시) ## TODO | 내용 | 담당 | 기한 | |---|---|---| (없을 경우 「해당 없음」이라고 명시) ## 논의 메모 (테마별로 요점을 정리) ## 확인 필요 사항 (청취가 불확실한 부분·화자가 불분명한 발언은 여기에 격리한다) ## 규칙 - 결정 사항·TODO·담당·기한은 누락 없이 추출할 것 - 「다음 주까지」, 「월말」 등과 같은 상대적인 기한은 회의일을 기준으로 절대 날짜(YYYY-MM-DD)로 변환할 것 - 담당자가 불분명한 TODO는 「담당자 미정」이라고 작성할 것 - 불확실한 정보를 결정 사항에 섞지 말 것. 망설여진다면 확인 필요 사항으로 보낼 것. 회의일: [여기에 날짜 입력] 참석자: [여기에 이름 입력] 전사 내용: [여기에 붙여넣기]
핵심은 「없을 경우 『해당 없음』이라고 명시」와 「망설여진다면 확인 필요 사항으로 보낼 것」입니다. LLM은 빈칸을 센스 있게 채우려는 경향이 있으므로, 채우지 않는 선택지를 규칙으로 명시적으로 부여합니다.
| 항목 | Before | After |
|---|---|---|
| 인간의 작업 시간 | 회의당 30~60분 | 회의당 15분 |
| 음성 데이터 | — | 로컬 완결 (음성·전사 내용은 외부로 전송되지 않음) |
설계의 축은 「결정론적 요소는 스크립트, 문맥 판단만 AI」입니다. 장시간 백그라운드(Background) 처리는, 중단되지 않도록 노력하는 것(함정 1·2)과 중단되어도 재개할 수 있는 구조(함정 3)라는 두 바퀴로 이루어졌습니다.
화자 분리(Speaker Diarization)는 동석자의 목소리 성질이 비슷하면 섞이는 경우가 있어, 현재는 「확인 필요 사항」으로 보내 사람이 직접 확인하는 운영 방식입니다. 이 부분을 개선하면 다시 글을 쓰겠습니다.
HandaLab — 생산기술 엔지니어. 제조 현장의 자동화와 Claude Code 활용법을 발신하고 있습니다.
