오프라인 음성 변환
Windows에서 오디오와 비디오를 오프라인으로 텍스트 변환하는 방법
로컬 미디어 파일부터 수정된 기록 또는 자막 파일까지 이어지는 실용적인 과정으로, 결과에 영향을 주는 모델, 분할, 화자, 내보내기 선택을 다룹니다.
오프라인 음성 변환은 녹음을 웹 서비스에 업로드하지 않고 컴퓨터에서 인식 단계를 처리합니다. 이 차이는 기밀 인터뷰, 내부 회의, 미공개 미디어, 긴 녹음, 불안정한 연결, 원본 파일을 직접 관리해야 하는 모든 워크플로에서 중요합니다.
이 가이드에서는 Windows용 Owl Meeting을 예로 사용합니다. 인식 모델은 CPU에서 로컬로 실행되므로 핵심 음성 변환에 전용 GPU가 필요하지 않습니다. 최초 Microsoft Store 설치와 모델 다운로드에는 인터넷 연결이 필요합니다. 파일을 준비한 후에는 핵심 파일 음성 변환 워크플로를 오프라인으로 실행할 수 있습니다.
시작하기 전에
모든 소스에 한 가지 구성이 맞을 것이라 기대하지 말고 녹음을 준비하세요. 짧은 구간을 듣고 사용 언어, 화자 수, 배경 소음, 겹치는 발화, 좌우 채널 분리 여부를 확인하세요.
| 녹음 | 권장 시작점 | 이유 |
|---|---|---|
| 한 사람, 선명한 오디오 | 간격 분할 | 발화 사이의 쉼이 단순하고 빠른 경계를 제공합니다. |
| 인터뷰 또는 회의 | 화자 분할 | 음성 특성에 따라 구간을 묶을 수 있습니다. |
| 소음이 많은 현장 녹음 | 짧은 샘플에서 노이즈 제거 테스트 | 노이즈 제거가 도움이 될 수 있지만 원본과 비교해야 합니다. |
| 긴 녹음 | 먼저 테스트 모드 실행 | 짧은 미리보기로 전체 처리 전에 잘못된 모델이나 분할 선택을 발견할 수 있습니다. |
| 에코 또는 채널 불균형이 있는 스테레오 | 모노 변환본과 비교 | 까다로운 소스에서 모노는 채널 관련 간섭을 줄일 수 있습니다. |
Owl Meeting은 MP3, WAV, M4A, FLAC, MP4, MKV, MOV 등 일반적인 오디오 및 비디오 워크플로를 지원합니다. 필요한 경우 내장 미디어 도구로 오디오를 추출하거나 변환할 수 있습니다. 현재 형식 및 전처리 세부 정보는 파일 음성 변환 참고 문서를 확인하세요.
완전한 오프라인 워크플로
- 로컬 모델을 준비하세요. Microsoft Store에서 Owl Meeting을 설치하고 설정 > 모델을 여세요. 녹음 언어를 지원하는 인식 모델을 다운로드하세요. PC를 오프라인 또는 제한된 네트워크로 옮기기 전에 완료하세요.
- 미디어 파일을 가져오세요. 오프라인 모드를 여세요. 녹음을 창으로 끌어 놓거나 파일 선택을 선택하세요. 오디오를 미리 듣고 올바른 트랙이 들리는지 확인하세요.
- 분할 방식을 선택하세요. 독백, 강의 또는 주된 음성이 하나인 팟캐스트는 간격으로 시작하세요. 기록에서 참가자를 구분해야 하면 화자를 선택하세요.
- 인식 모델을 선택하세요. 사용 언어에 모델을 맞추세요. 모델 1은 중국어, 영어, 일본어, 한국어의 일반적인 시작점이고 모델 3은 영어와 더 다양한 유럽 언어를 지원합니다. 애플리케이션 변경에 따라 모델 목록이 바뀔 수 있으므로 앱 내 설명을 최신 정보로 사용하세요.
- 긴 작업 전에 테스트하세요. 테스트 모드는 현재 설정으로 짧은 샘플을 처리합니다. 단어, 문장 경계, 화자 전환이 적절한지 확인하세요. 무엇이 결과를 개선하거나 저하시켰는지 알 수 있도록 한 번에 하나의 설정만 바꾸세요.
- 로컬 음성 변환을 실행하세요. 인식 시작을 클릭하세요. 애플리케이션은 전처리, 분할, 인식을 로컬에서 수행합니다. 처리 시간은 CPU, 모델, 오디오 길이, 활성화된 전처리에 따라 달라집니다.
- 검토하고 내보내세요. 기록에서 완료된 세션을 여세요. 텍스트 구간을 클릭해 해당 오디오를 재생하고, 임시 화자 레이블의 이름을 바꾸고, 일괄 바꾸기로 반복 오류를 수정한 뒤 필요한 필드를 복사한 텍스트, CSV 또는 SRT로 내보내세요.
필요한 출력에 따라 분할 선택하기
간격 분할
간격 분할은 음성 활동과 쉼을 이용해 녹음을 나눕니다. 일반적으로 화자가 한 명일 때 가장 간단한 선택입니다. 문장의 시작이나 끝이 사라지면 음성 임계값이 너무 엄격할 수 있습니다. 모든 구간이 큰 단락이 되면 최소 무음 시간이나 최대 발화 시간을 줄여 더 읽기 좋은 경계를 만들 수 있습니다.
화자 분할
화자 분할은 음성 특성의 변화를 분석하고 Speaker_0, Speaker_1 같은
임시 레이블을 지정합니다. 정확한 참가자 수를 알고 있다면 입력하여 군집화 과정을 더 강하게
제한할 수 있습니다. 화자 수를 모를 때는 자동 화자 수가 유용하지만 군집화 임계값을 조정해야
할 수 있습니다.
화자 분할은 사람의 실제 이름을 자동으로 알지 못합니다. 아는 사람의 이름을 표시하려면 선명한 음성 샘플로 로컬 화자 기록을 만든 다음, 일치하는 성문 언어로 신원 표시를 활성화하세요. 차이점은 화자 분할과 화자 식별에서 설명합니다.
소스를 가리지 않으면서 품질 개선하기
인식 품질은 녹음의 제약을 받습니다. 소프트웨어는 누락되거나 잘리거나 심하게 겹치거나 다른 소리에 묻힌 음성을 안정적으로 복원할 수 없습니다. 원본 파일을 보존하고 전처리 결과와 비교하세요.
- 소음: 대표 샘플에 노이즈 제거를 적용해 보세요. 전체 파일에 적용하기 전에 자음이 제거되거나 음성이 인위적으로 변하지 않았는지 들어 보세요.
- 낮은 음량: 음성 활동 설정을 신중하게 조정하세요. 임계값을 낮추면 작은 음성을 유지할 수 있지만 소음도 더 많이 포함될 수 있습니다.
- 겹치는 화자: 동시에 말하면 화자 분할의 신뢰도가 낮아집니다. 수동 검토가 필요합니다.
- 전문 명칭: 반복되는 제품명, 사람 이름, 약어, 분야 용어는 일괄 바꾸기와 사용자 지정 사전을 사용하세요.
- 긴 파일: 전체 처리를 시작하기 전에 테스트 모드로 모델, 언어, 분할을 검증하세요.
검토, 수정, 내보내기
원본 기록은 초안입니다. Owl Meeting은 텍스트 구간을 소스 타임라인과 맞추므로 구간을 선택하면 해당 오디오로 이동합니다. 일반 텍스트 블록을 검토할 때보다 불확실한 단어를 쉽게 확인할 수 있습니다.
반복 오류는 각 항목을 수동으로 고치는 것보다 일괄 바꾸기가 더 일관적입니다. 사전 동기화를 통해 수정 사항을 향후 규칙으로 저장할 수 있습니다. 콘텐츠가 준비되면 대상에 필요한 필드와 타임스탬프 정밀도를 선택하세요.
- 복사한 텍스트: 문서 편집기나 노트 시스템에 적합합니다.
- CSV: 타임스탬프, 화자, 텍스트를 별도 열로 구성할 때 유용합니다.
- SRT: 시간 지정 자막을 비디오 편집기로 가져올 때 적합합니다.
편집 및 내보내기 문서에서는 클릭 재생 검토, 화자 필터링, 일괄 변경, 사용 가능한 내보내기 필드를 다룹니다.
'오프라인'이 포함하는 범위
핵심 음성 인식, 기록 저장, 검색, 사전, 로컬 성문 처리는 Windows 컴퓨터에 유지할 수 있습니다. 오디오 출력은 구성된 로컬 오디오 경로에 저장되고 애플리케이션 데이터와 모델은 로컬 애플리케이션 저장소를 사용합니다.
현재 기본 경로, 모델 이동 지침, 제거 시 동작은 개인정보 보호 및 저장소를 참조하세요.
자주 묻는 질문
오프라인 음성 변환에 인터넷 연결이 필요한가요?
최초 설치와 모델 다운로드에는 일반적으로 인터넷 연결이 필요합니다. 필요한 모델을 로컬에 저장한 후에는 핵심 파일 음성 변환을 인터넷 연결 없이 실행할 수 있습니다.
스테레오 녹음을 먼저 모노로 변환해야 하나요?
모든 스테레오 파일을 변환할 필요는 없지만, 까다로운 녹음에서는 모노가 채널 관련 에코나 간섭을 줄이고 화자 처리를 더 일관되게 만들 수 있습니다. 전체 보관 파일을 변환하기 전에 짧은 샘플을 비교하세요.
결과를 SRT 자막으로 내보낼 수 있나요?
예. 기록을 검토한 후 Owl Meeting에서 타임스탬프가 포함된 SRT를 내보낼 수 있으며 CSV나 복사한 텍스트 같은 텍스트 중심 형식으로도 내보낼 수 있습니다.
대표 파일로 워크플로를 시험해 보세요
전체 녹음과 같은 화자, 소음, 언어가 포함된 짧은 샘플을 사용하세요. 설정을 검증한 다음 전체 파일을 처리하세요.