Mastershot은 57분 음성을 2분 3초 만에 받아썼다

Mastershot의 브라우저 음성 받아쓰기 도구는 57분 10초 분량의 녹음을 2분 3초 만에 처리했다. 같은 Whisper Base 모델을 브라우저에서 실행한 무료 도구들과 비교한 테스트에서 가장 빨랐고, 반복해서 받아쓴 문장은 없었다.

이 비교는 Mastershot을 만든 측이 진행했다. 모든 도구를 같은 모델로 맞추고, 녹음은 컴퓨터에서 처리해 외부로 업로드하지 않는다는 조건을 적용했다. 따라서 기본 설정이나 서버에서 더 큰 모델을 쓰는 유료 도구의 성능 비교는 아니다.

테스트 방식과 조건

테스트에는 Moira Fogarty가 Lionel Giles 번역본을 읽은 LibriVox 녹음인 《손자병법》을 사용했다. 원문은 퍼블릭 도메인으로 공개돼 있으며, 정답 텍스트는 Project Gutenberg의 주석 없는 판본과 녹음 앞뒤의 LibriVox 안내 문구를 기준으로 삼았다.

8분 25초 분량에는 서문과 첫 두 편이 담겼고, 단어 수는 1,270개였다. 57분 10초 분량에는 첫 열한 편이 담겼고, 단어 수는 8,804개였다. 짧은 녹음에서 시간이 오래 걸린 도구가 있어 긴 녹음은 상위 세 도구만 테스트했다.

측정은 Apple M2 Pro와 메모리 32GB를 탑재한 MacBook Pro에서 Chrome 155와 macOS 26.6을 사용해 진행했다. 모델은 측정 전에 내려받았으므로 다운로드 시간은 포함하지 않았다. 도구마다 세 번씩 실행하고 가운데 시간을 기록했으며, 실행 사이에는 20초를 기다리고 순서는 매번 섞었다.

정확도는 단어 오류율(Word Error Rate, WER)로 계산했다. 기준 텍스트에서 잘못 인식하거나 빠뜨리거나 추가한 단어의 비율이며, 수치가 낮을수록 정확하다. 두 텍스트에는 Whisper의 영어 정규화 도구를 적용해 대소문자와 문장부호, 숫자 표기 방식은 비교에서 제외했다. 책에 있지만 낭독자가 건너뛴 문장 세 개는 정답에서 제외했다. 모든 도구가 책과 다르게 들은 일부 단어는 책의 표기를 유지해 오류율이 조금 높아지는 결과를 감수했다.

8분 녹음 결과

가장 빠른 세 도구는 WebGPU를 통해 컴퓨터의 그래픽 칩에서 Whisper를 실행했다. 8분 녹음에서는 처리 시간이 31~33초로 비슷했고, 대부분의 도구가 거의 같은 단어를 인식했다.

whisperweb.app은 다른 도구와 비슷한 내용을 인식했지만, TXT 파일을 내려받으면 줄 사이에 공백이 사라지는 문제가 있었다. 이 형식 문제를 정확도로 인정하면 오류율은 3.9%라고 테스트 결과는 설명한다. Zalt는 긴 구간 몇 곳에서 약 150개 단어를 빠뜨렸고, Knackpad는 가장 정확했지만 처리가 끝날 때까지 탭이 멈췄으며 가장 빠른 도구보다 세 배 오래 걸렸다. whisper.cpp 데모는 브라우저에서 최대 8개 프로세서 스레드를 사용할 수 있었고 정확도는 높았지만, 가장 빠른 도구보다 두 배 넘게 걸렸다.

57분 녹음 결과

긴 녹음에서는 Mastershot과 다음 두 도구 사이의 처리 시간 차이가 커졌다. whisperweb.net과 EarScribe는 녹음을 조금씩 겹치는 30초 구간으로 나눠 처리한다. 테스트에서는 구간이 만나는 곳에서 문장을 두 번 기록하거나 누락하는 사례가 나왔고, 녹음이 중간에 잘린 마지막 문장도 두 도구 모두 빠뜨렸다.

테스트 결과에 따르면 Mastershot은 컴퓨터에서 긴 녹음을 음성 사이의 멈춤 지점에 따라 겹치지 않게, 최대 세 구간으로 나눈 뒤 여러 작업자가 병렬로 처리한다. 다만 휴대전화와 iPad, Safari에서는 작업자 하나로 처리한다. 이번 긴 녹음에서도 중복 구간은 없었지만, 네 번째 편 끝의 “So much for tactical dispositions”와 여덟 번째 편 뒤의 녹음 안내 문구 “Recorded in Toronto, Ontario, by Moira Fogarty, October 2006”은 빠졌다.

기본 설정과 무료 이용 조건

테스트에서는 공정한 비교를 위해 모든 도구를 다국어 Whisper Base로 맞췄다. 하지만 whisperweb.app, whisperweb.net, Zalt, Knackpad은 기본 설정으로 더 작고 정확도가 낮은 Whisper Tiny를 사용하고, EarScribe는 Base로 시작한다. Mastershot은 Base만 실행한다.

비교 대상은 무료로 제한 없이 쓸 수 있는 도구로 한정했다. 57분 녹음을 처리하려면 비용을 내야 하는 도구는 제외했다. 요금은 더 저렴한 경우 연간 결제 기준이며, 가격 확인일은 2026년 10월 14일이다.

SoundTools는 무료로 제한 없이 사용할 수 있지만 Whisper Small과 영어 전용 증류 모델만 제공하고 Base는 제공하지 않아 비교 대상에서 제외됐다.

직접 비교할 자료

같은 테스트를 재현하거나 다른 도구를 시험할 수 있도록 8분 녹음 파일, 8분 녹음의 정답 텍스트, 57분 녹음의 정답 텍스트, 채점 스크립트, 각 도구의 결과 파일이 공개돼 있다. 채점 스크립트를 사용하려면 Python과 jiwer, whisper-normalizer가 필요하다.

57분 녹음은 LibriVox의 첫 열한 편을 이어 붙인 뒤, 열한 번째 편 도중인 57분 10초에서 잘라 만든 파일이다.