AudioScript 0.7.1 버전은 Windows, macOS, Linux에서 도는, 소스를 공개한 데스크톱 자막 도구입니다. 마이크가 아니라 기계가 내고 있는 소리를 듣고, 음성 인식과 중영 번역을 그 기계 안에서 끝낸 뒤 원문 줄과 번역 줄을 하나의 떠 있는 창에 겹쳐 놓습니다. 이 길은 망에 붙지 않아도 끝까지 지나가고, 소리는 기계 밖으로 나가지 않습니다.

외국어 소리가 막히는 곳은 듣기 단계

영어 음성 방송에서 가장 흔한 사고는 삼 초쯤 정신이 팔렸다가 돌아왔을 때 이야기가 어디까지 갔는지 몰라 진행 막대를 십오 초만 되돌리는 일입니다. 자막 없는 외국어 영상도 같습니다. 한 문장을 놓치면 멈추고, 되감고, 다시 듣게 됩니다. 망 위의 회의에서 상대 말이 빨라지면 머릿속으로 옮기느라 손일이 멈춥니다. 셋의 모양은 같습니다. 막는 것은 이해력이 아니라 소리를 글자로 바꾸는 그 짧은 구간입니다.

AudioScript가 다루는 것이 바로 그 구간입니다. 외국어 음성 방송과 영상, 회의 속 말을 그 자리에서 글자로 만들고, 한 문장씩 옮겨 떠 있는 창으로 화면에 붙입니다. 인식과 번역이 모두 이 기계 안에서 돌고, 소리는 어디로도 보내지 않습니다.

가상 사운드 카드를 넣지 않고 소리를 시스템에서 바로 받는다

시스템 소리를 잡는 일은 예전에 번거로웠습니다. 가상 사운드 카드 드라이버를 넣고, 소리 설정에서 여러 출력으로 가는 길을 만들어 소리가 스피커와 그 가상 장치에 동시에 닿게 한 뒤, 다시 되돌리는 것을 기억해야 했습니다. 잊으면 컴퓨터가 조용해집니다. AudioScript는 다른 길을 갑니다. macOS에서는 Core Audio Process Tap, Windows에서는 WASAPI 되돌림을 부르며, 둘 다 시스템이 이미 가진 능력이고 헤드폰을 쓴 채로도 소리를 걷습니다.

소리 출처는 셋입니다. 시스템 소리, 마이크, 둘을 섞은 것, 기본은 시스템 소리입니다. 섞는 방식은 망 위의 회의를 위해 있고, 상대 목소리는 시스템 출력에서, 내 목소리는 마이크에서 들어와 둘이 함께 글자가 됩니다. 이름을 적은 프로그램의 소리만 잡을 수도 있으며 그 수는 네 개까지라, 회의할 때 음악 재생을 빼 둘 수 있습니다.

반 문장이 먼저 뜨고 문장 끝에서 확정된다

기획이 적어 둔 글은 이 논리를 분명히 말합니다. 걸리는 것은 모델이 아니라 지연 예산이라고. 그래서 AudioScript는 한 문장을 다 말할 때까지 기다리지 않습니다. 인식 결과는 닿는 대로 흘러 반 문장이 먼저 나오고, 문장 끝에서 표현이 확정됩니다. 자막은 목소리를 따라가며, 한 단락을 다 들은 뒤에 덩어리로 튀어나오지 않습니다. 문장 나누기는 Silero VAD가 자연스러운 틈을 찾고, 두 언어를 세게 섞어 말할 때는 X-ASR 모델로 바꿀 수 있으며, 문장 부호와 대소문자가 함께 나옵니다.

떠 있는 창에서 만질 수 있는 네 가지

자막 창은 두 줄 구조로 고정되어 원문이 위, 번역이 아래, 같은 문장은 붙어 있습니다. 글자 크기는 10에서 48 화소까지, 기본은 22, 배경 불투명도는 육 할에서 시작하고, 여섯 줄을 한 번에 보여 주며, 흐르는 테두리는 기본으로 켜져 있습니다. 투명해지는 것은 배경뿐이고 글자는 끝까지 불투명해서, 배경을 아주 옅게 내려도 글자가 같이 번지지 않습니다.

잠그면 마우스가 완전히 통과하고 초점도 빼앗지 않아, 자막이 있는 자리를 눌러도 아래의 재생 창이 눌립니다. macOS에서는 보통의 늘 위에로는 안 되는 일도 합니다. 창 층을 화면 보호기보다 위로 올려, 다른 프로그램이 전체 화면 영상이나 전체 화면 회의를 열어도 자막이 맨 위에 떠 있습니다.

모델은 설치 파일에 함께 들어 있어 열면 바로 쓴다

인식은 기기 쪽 추론으로 흘려 돌리고, 번역은 CTranslate2 위의 OPUS-MT입니다. 중영 인식 모델은 58MB, 번역 모델은 약 164MB이며 둘 다 설치 파일 안에 있어 첫 실행에 망에서 받을 것이 없습니다. 값은 설치 파일이 크다는 것이고 이백 메가 근처입니다. 그 대신 연 순간부터 일하며 모델 더미를 기다리지 않습니다.

첫 받아쓰기는 모델을 한 번 읽어 들이며 기획이 밝힌 숫자는 1.25초에서 2.2초 사이, 그 뒤로는 흐르는 대로 나옵니다. 한 문장 번역은 70에서 77 밀리초이고 조건은 릴리스 빌드, M 계열 칩, 빔 폭 1이라 오래된 기계에서는 느려집니다. 말을 더하려면 다른 모델을 더하면 되고, 인식 쪽에 Nemotron과 Qwen3-ASR, 번역 쪽에 LMT-60과 NLLB-200이 있으며 마지막 하나는 비영리 용도로만 쓸 수 있습니다.

허가

MIT, 소스 공개, 만든 틀은 Tauri 2에 Rust와 React

판

0.7.1, 2026년 11월 12일 공개

도는 곳

macOS 14.2 이상에 Apple 칩 필요, Windows 10 이상, Ubuntu 24

함께 넣은 모델

인식 58MB, 중영 번역 약 164MB, 설치 파일에 담아 배포

미리 알아야 할 경계

AudioScript가 지금 하는 것은 영어와 중국어 두 방향뿐이고 방향은 직접 고릅니다. 언어를 스스로 알아보는 기능은 없어, 영어 방송이면 영에서 중, 외국 동료에게 중국어로 말할 때는 중에서 영, 잘못 고르면 스스로 알아차려야 합니다. 도는 곳은 macOS가 14.2 이상에 Apple 칩이어야 하고 Intel Mac용 설치 파일은 제공하지 않습니다. Windows 10 이상은 일등 지원이지만 전체 화면을 혼자 쓰는 게임은 창을 덮습니다. Linux는 이등 지원이고 GNOME Wayland에서는 창이 위에 남는다는 보장이 없습니다.

받아쓴 기록은 Markdown으로 내보낼 수 있고 확정된 문단에는 시각이 붙으며 원문과 번역이 짝으로 남습니다. 트레이 상주, 창을 닫아도 끝나지 않음, 단일 실행, 로그인 때 시작 같은 세부도 갖추어 한 번 넣으면 더 만질 일이 없는 부류입니다. 외국어 음성 방송을 자주 듣는 사람, 자막 없는 외국어 영화를 보는 사람, 언어를 건너는 회의에 나가는 사람에게 맞고, 중영 대조 기록을 곁에 두고 싶은 사람에게도 맞습니다.