AI 자막·음성 받아쓰기 도구 비교: Whisper·OpenAI API·Word·구글 문서 공식 정보

녹음 파일을 글로 바꾸거나 영상 자막의 초안을 만들 때 쓸 수 있는 도구는 크게 직접 설치해 쓰는 방식, 요금을 내고 API로 쓰는 방식, 이미 쓰는 문서 프로그램에 들어 있는 기능으로 나뉩니다. 이 글은 네 가지를 공식 문서와 요금 페이지에 적힌 내용 기준으로 같은 항목에 맞춰 정리했으며 우열을 평가하지 않습니다.

회의나 상담 녹음에는 개인정보가 들어갈 수 있습니다. 어떤 방식이든 파일이 어디로 전송·저장되는지 확인하고, 참석자 동의 절차를 먼저 지키세요.

1. 네 가지 방식 한눈에 비교

항목	Whisper (오픈소스)	OpenAI 음성 인식 API	Word 전사(Transcribe)	구글 문서 음성 입력
방식	내 컴퓨터에서 모델 실행	파일을 API로 보내 전사	오디오 업로드 또는 녹음	마이크로 말하며 실시간 입력
비용	MIT 라이선스로 코드·모델 공개	whisper-1 분당 약 $0.006, gpt-4o-transcribe 분당 약 $0.006, gpt-4o-mini-transcribe 분당 약 $0.003	Microsoft 365 구독에 포함, 월 300분 업로드	문서 편집기 기능
파일 조건	내 컴퓨터 사양에 따름	파일당 25MB 이하	.wav, .mp4, .m4a, .mp3	파일 업로드 없이 마이크 입력
한국어	다국어 모델 제공	요청 때 언어 코드를 지정	한국어(Korea) 지원 목록에 포함	음성 입력 언어에 한국어 포함
준비물	컴퓨터 사양, 설치	API 키와 개발 지식	Word, 지원 환경	Chrome·Edge·Safari 최신 버전

Whisper

OpenAI의 범용 음성 인식 모델이며 GitHub 페이지에 코드와 모델 가중치를 MIT 라이선스로 공개한다고 적혀 있습니다. 음성 번역과 언어 식별도 처리합니다. 모델은 tiny부터 large까지 크기가 있고, 페이지의 표에 따르면 필요한 VRAM은 tiny·base가 약 1GB, small이 약 2GB, medium이 약 5GB, turbo가 약 6GB, large가 약 10GB입니다. 속도 배율은 A100에서 영어 음성으로 잰 값이라고 밝히고 있어 내 컴퓨터에서는 달라질 수 있습니다.

OpenAI 음성 인식 API

공식 요금 페이지에는 whisper-1이 분당 약 $0.006, gpt-4o-transcribe가 입력 100만 토큰당 $2.50·출력 $10.00에 분당 약 $0.006, gpt-4o-mini-transcribe가 입력 $1.25·출력 $5.00에 분당 약 $0.003으로 올라 있습니다. 최신 모델 gpt-transcribe는 분당 약 $0.0045입니다. 분당 값은 페이지의 추정치입니다. 음성 인식 가이드는 업로드 파일을 25MB 이하로 제한하고, 더 큰 녹음은 압축하거나 25MB 이하로 나눠 보내라고 안내합니다. 지원 형식은 mp3, mp4, mpeg, mpga, m4a, wav, webm이고, 단어·구간별 시간 정보는 whisper-1에서만 지원합니다. whisper-1은 2027년 2월 26일 종료 예정이라고 표시돼 있습니다.

Word 전사

Word 도움말에 따르면 Word for Microsoft 365(Windows, 상업용 테넌트)에서 쓸 수 있고, 웹 버전은 새 Edge나 Chrome이 필요합니다. 업로드할 수 있는 형식은 .wav, .mp4, .m4a, .mp3이며 Microsoft 365 구독은 월 300분, Copilot 라이선스는 월 30,000분까지입니다. 언어는 80개 이상 로케일이고 한국어(Korea)가 포함됩니다. 녹음하거나 업로드한 오디오는 OneDrive의 Transcribed Files 폴더에 저장되며, 그곳에서 삭제할 수 있습니다. 인터넷 연결이 필요합니다.

구글 문서 음성 입력

도움말은 Chrome, Edge, Safari 최신 버전과 작동하는 컴퓨터 마이크가 필요하고, 한국어가 음성 입력 언어로 나열돼 있다고 안내합니다. 음성 변환은 브라우저가 처리해 텍스트만 문서로 보냅니다. 음성 명령은 영어에서만 쓸 수 있고, 일부 언어에서는 구두점이 지원되지 않을 수 있습니다. 조직 관리자가 기능을 꺼 둘 수도 있습니다. 파일을 올려 전사하는 도구가 아니라 말하는 대로 입력하는 도구라는 점이 다릅니다.

반응형

2. 목적별로 확인할 점

• 녹음 파일이 이미 있다: 업로드형(Word 전사, API, 내 컴퓨터의 Whisper) 중 하나
• 말하면서 바로 쓰고 싶다: 실시간 입력형(구글 문서 음성 입력)
• 파일이 외부로 나가면 안 된다: 내 컴퓨터에서 도는 방식을 먼저 검토
• 영상 자막이 목적이다: 전사 결과의 시간 정보를 자막 파일로 내보낼 수 있는지 확인

3. 받아쓰기 결과를 쓰기 전 점검

• 고유명사·숫자·날짜는 원본 음성과 대조
• 화자가 여럿이면 발언자 구분이 맞는지 확인
• 잡음이 큰 구간은 누락이나 오인식이 있을 수 있어 다시 듣기
• 공유 전 개인정보 제거

4. 자주 묻는 질문

Q. 무료로 쓸 수 있는 방식은 무엇인가요?
A. Whisper는 라이선스상 무료로 쓸 수 있지만 컴퓨터 사양이 필요하고, 구글 문서 음성 입력과 Word 전사는 각 서비스 이용 조건 안에서 쓰는 기능입니다. API는 사용한 만큼 요금이 붙습니다.

Q. 정확도는 어느 쪽이 높은가요?
A. 녹음 상태와 말투에 따라 달라 한쪽이 항상 높다고 말할 수 없습니다. 같은 녹음 한두 개를 여러 도구에 넣어 비교해 보는 것이 가장 확실합니다.

반응형

5. 한 번에 정리

1. 파일 전사와 실시간 입력은 도구가 다름
2. Whisper는 MIT 라이선스 오픈소스, 모델 크기별 VRAM 요구량이 다름
3. OpenAI API는 파일당 25MB 이하, 분당 약 $0.003~$0.006으로 표기됨
4. Word 전사는 Microsoft 365 구독에서 월 300분까지 업로드, 한국어 지원
5. 개인정보가 든 녹음은 저장·전송 위치와 동의 절차 먼저 확인

※ 기준일: 2026년 10월. 약관·요금은 바뀔 수 있으니 각 공식 페이지에서 확인하세요.