가이드

두 시간짜리 녹음을 텍스트로 변환하는 법

긴 파일은 짧은 파일이 겪지 않는 방식으로 실패합니다. 분당 요금, 업로드 제한, 메모리, 그리고 중간부터 같은 문장의 반복으로 무너지는 텍스트입니다.

30 August 2026

10분짜리 음성 메모는 거의 어떤 도구로도 문제없이 변환됩니다. 두 시간짜리 이사회 회의는 다른 문제이고, 대부분의 도구가 네 가지 방식 중 하나로 이를 제대로 다루지 못합니다.

긴 녹음이 있는데 왜 잘 안 되는지 파악하고 싶다면, 이 글이 지도가 되어 줄 것입니다.

무너지는 네 가지 #

1. 분당 요금을 내고 있다면, 가격 #

클라우드 텍스트 변환은 보통 오디오 분 단위로 팔립니다. 일반적인 요금이면 두 시간짜리 녹음 하나에 몇 달러입니다. 한 번은 괜찮지만 습관이 되면 부담스럽습니다. 매주 두 시간짜리 회의를 녹음한다면, 노트북이 커피 내리는 동안 해낼 수 있는 일에 체감되는 구독료를 내게 됩니다.

넷 중 해결이 가장 쉬운 문제입니다. 로컬 텍스트 변환에는 분당 계량기가 없습니다. 있을 이유가 없기 때문입니다.

2. 업로드 시간과 파일 제한 #

두 시간짜리 WAV는 수백 메가바이트가 될 수 있습니다. 호텔 Wi-Fi로 그것을 올리는 데 회의보다 오랜 시간이 걸리고, 많은 서비스가 파일 크기나 길이를 제한해 아예 받지 않습니다.

사람들이 택하는 우회책은 업로드 전에 압축하거나 파일을 쪼개는 것인데, 품질을 잃고 네 번째 항목의 경계 문제를 만듭니다.

3. 내 컴퓨터의 메모리 #

로컬에서 변환하면 도구가 오디오를 원본 샘플로 메모리에 올려야 합니다. 16 kHz로 두 시간이면 float 샘플이 약 470 MB이고, Whisper는 그 위에 비슷한 크기의 스펙트로그램을 만듭니다.

RAM이 16 GB인 Mac에서는 아무도 눈치채지 못합니다. iPhone에서는 파일 전체를 단순하게 불러오는 앱이 중간에 시스템에 의해 종료됩니다. 일부 모바일 텍스트 변환 앱이 조용히 파일 길이를 제한하거나, 이유를 설명하지 않고 긴 녹음에서 튕기는 이유가 이것입니다.

해법은 구간 단위로 변환하는 것입니다. 한 조각을 디코딩하고, 변환하고, 해제하고, 다음으로 넘어갑니다. 그러면 최대 메모리가 파일 길이가 아니라 구간 크기에 달리게 되고, 두 시간짜리 녹음이 15분짜리와 거의 같은 비용이 됩니다.

4. 텍스트가 중간에 무너집니다 #

처음 10분이 완벽해 보이기 때문에 사람들이 놀라는 문제입니다.

긴 녹음에는 무음이 들어 있습니다. 회의가 시작되기 전, 쉬는 시간 동안, 모두 떠난 뒤입니다. Whisper는 주어진 것이 무엇이든 텍스트를 생성하고, 무음이 주어지면 같은 말을 반복하며 때로는 몇 페이지씩 이어집니다. 자동 텍스트 변환에 대해 가장 흔한 불만이기 때문에 원인을 자세히 다룬 글을 써 두었습니다.

두 시간짜리 파일에서 이것은 겉모습만의 문제가 아닙니다. 텍스트의 마지막 4분의 1을 잡음으로 만들어 버릴 수 있습니다.

깔끔하게 돌리기 #

변환할 수 있게 녹음하기 #

이후의 모든 것이 여기서 결정되므로, 긴 일정 전에 30초쯤 생각해 볼 가치가 있습니다.

• 에어컨보다 화자에게 마이크를 더 가까이 두세요. 회의실 탁자 한가운데 놓인 휴대폰이 전형적인 실수입니다. 모두에게서 같은 거리에 있다는 것은 모두에게서 멀다는 뜻입니다.
• 가능하면 무압축으로 녹음하세요. WAV나 일반적인 비트레이트의 M4A면 됩니다. 강한 압축은 비슷한 자음을 구분해 주는 고주파 세부를 정확히 제거합니다.
• 회의가 끝나면 녹음기를 멈추세요. 짐 싸는 소리 20분이 반복 문제의 재료가 됩니다.

언어를 직접 지정하기 #

자동 감지는 파일의 앞부분을 표본으로 삼습니다. 녹음이 방 소음 30초로 시작하거나 회의의 나머지와 다른 언어를 쓰는 사람으로 시작하면, 감지가 틀린 채로 두 시간 내내 유지될 수 있습니다.

언어를 알고 있다면 지정하세요. Offline Transcription에서는 파일의 텍스트 변환 버튼을 길게 눌러 언어를 바로 고를 수 있는데, 서로 다른 언어의 녹음을 한꺼번에 변환할 때 특히 중요합니다.

시작해 두고 다른 일을 하세요 #

두 시간짜리 파일은 최신 Apple Silicon Mac에서 몇 시간이 아니라 몇 분이면 됩니다. 온디바이스 엔진이 실시간보다 몇 배 빠르게 동작합니다. 오래된 Intel Mac에서는 더 느리므로, 지켜보기보다 점심 전에 시작해 두는 편이 좋습니다.

돌아가는 동안 앱에 바라는 것은 솔직함입니다. 진행률과 남은 시간을 보여 줘서 작동 중인지 멈춘 것인지 알 수 있어야 합니다. 두 시간짜리 파일에서 진행 표시 없는 회전 아이콘은 멈춤과 구분되지 않습니다.

전체가 아니라 경계를 확인하세요 #

두 시간 분량의 텍스트를 교정하지는 않을 겁니다. 그럴 필요도 없습니다.

긴 텍스트의 오류는 예측 가능한 자리에 몰립니다. 이름과 약어, 첫 1분(모델에 아직 맥락이 없을 때), 사람들이 겹쳐 말하는 순간, 그리고 녹음의 성격이 바뀌는 지점입니다. 누군가 스피커폰으로 합류하거나, 자리를 옮기거나, 영상이 재생되는 때입니다.

타임스탬프가 있는 구간 보기가 이 작업을 빠르게 해 줍니다. 그런 순간들을 훑고, 이상해 보이는 줄이 있으면 두 시간짜리 파형을 뒤지는 대신 그 줄 뒤의 오디오를 재생하세요.

긴 녹음이 잔뜩 쌓여 있다면 #

파일 하나하나의 처리보다 대기열이 중요합니다. 전부 넣어 두고 순서대로 돌게 한 다음 나중에 돌아오세요. 로컬에서는 업로드도 없고 파일당 비용도 없으니 하나씩 처리할 이유가 없습니다.

파일마다 해 둘 만한 한 가지는, 언어가 서로 다르다면 언어를 지정하는 것입니다.

요약 #

긴 녹음은 가격, 업로드 제한, 메모리, 그리고 무음으로 인한 반복에서 실패합니다. 로컬 텍스트 변환은 앞의 둘을 완전히 없앱니다. 나머지 둘에는 파일 전체를 불러오는 대신 구간 단위로 변환하고, 조용한 구간이 모델에 닿지 않도록 음성 활동 감지를 돌리는 도구가 필요합니다. 그런 다음 두 시간을 전부 읽는 대신 경계 지점에서 텍스트를 확인하세요.

Offline Transcription은 두 시간짜리 경우를 특히 겨냥합니다. 메모리가 일정하게 유지되도록 구간 단위로 변환하고, 무음이 반복된 문장으로 바뀌지 않도록 음성 감지를 하며, 어디쯤인지 알 수 있도록 남은 시간과 함께 진행 상황을 실시간으로 보여 줍니다. Mac과 iPhone에서 무료로 내려받아 써 볼 수 있습니다.