겨냥은 소박하다, 받아쓰기를 브라우저에서 내 PC로

Buzz는 자기 자리를 꾸미지 않고 말한다. 받아쓰기를 브라우저에서 끌어내려 눈앞의 컴퓨터에 둔다. 밑에서는 OpenAI의 Whisper가 일하고, 받아쓰기와 번역은 개인 컴퓨터 안에서 오프라인으로 끝난다. 주요 데스크톱 환경에는 이미 만들어진 설치 파일이 있어서, 내려받는 일이 준비의 전부가 된다.

온라인 창구를 부르는 것과 견주면, 로컬에서 돌리는 쪽은 세 가지를 곧바로 준다. 녹음이 이 기계를 벗어나지 않는다. 긴 파일이 업로드 차례를 기다리지 않는다. 호출 횟수 제한이 작업 위에 얹히지 않는다. 그 대가로 내 하드웨어에 달려 있다는 조건이 붙는다.

파일, 링크, 마이크

파일을 가져오는 것이 일상적인 입구다. 음성과 영상 파일을 지원하고 온라인 영상 링크도 받는다. 화면에서 링크가 그대로 작업 목록에 들어가는 모습을 볼 수 있다. 가져오기 말고도 마이크에서 바로 받아쓰는 기능이 있고, 회의나 강연에서 자막을 큰 화면에 띄우기 위한 표시 창도 함께 들어 있다.

녹음 상태가 좋지 않을 때는 받아쓰기 전에 음성 분리를 한 번 돌릴 수 있다. 시끄러운 소재에서 정확도가 올라간다고 공식은 말한다. 받아쓴 뒤에는 내용 안에서 화자를 구분할 수 있어서, 여러 사람이 나오는 인터뷰나 회의 기록을 목소리별로 나눌 수 있다.

내보내기 형식과 그 뒤의 작업

결과는 세 형식으로 나간다. 순수 텍스트, SRT, VTT다. 뒤의 둘은 흔히 쓰는 자막 교환 형식이라, 편집 프로그램에 그대로 넣을 수 있고 시간축을 손으로 다시 짤 필요가 없다. 낱말 단위 시간 표시를 붙이는 항목도 화면에서 고를 수 있어, 정밀한 정렬이 필요할 때 도움이 된다.

따라오는 확인 화면은 검색, 재생 조작, 재생 속도 변경을 지원하고 이동을 위한 단축키도 갖추고 있다. 처리할 파일이 쌓이면 폴더 감시를 켜서 새 파일이 들어오는 순간 받아쓰기를 시작할 수 있다. 스크립트나 흐름에 넣으려면 명령줄 창구가 열려 있다. 플러그인 구조는 확장할 자리를 남겨 두었고, 공식 예시로 요약 자동 생성과 받아쓰기 길이 일괄 조정이 나온다.

백엔드와 가속은 내 카드로 고른다

여러 Whisper 백엔드를 지원하는 점이 같은 부류의 도구들 사이에서 Buzz가 유연한 까닭이다. 제시된 가속 방식은 Nvidia 카드용 CUDA, 새 기종에서의 기본 지원, 그리고 Whisper.cpp를 통해 대부분의 카드(내장 그래픽 포함)에서 쓸 수 있는 Vulkan이다. 또 Hugging Face를 통해 같은 종류의 트랜스포머 모델 계열도 다루며, 모델은 설정에서 백엔드별로 묶여 전환되고, 직접 넣은 모델 주소도 쓸 수 있다.

1.4.6 이후 판에 Nvidia 카드를 쓰고 있다면, 앱 안의 정보 화면에서 CUDA 가속 부품을 그대로 설치할 수 있고 환경을 직접 꾸밀 필요가 없다.

설치는 환경마다 패키지가 있다

주요 환경에는 저마다 길이 있다. macOS는 디스크 이미지, Windows는 설치 프로그램, Linux는 Flatpak, Snap, AppImage 세 가지 배포 형식이고, 손에 익은 것을 고르면 된다.

미리 알아 둘 것이 있다. 패키지에 서명이 없어서 설치 도중 시스템이 확인 창을 띄우고, 안내대로 계속하면 설치가 끝난다. 함께, 지금 판은 기종에 하한이 있어서 오래된 컴퓨터가 쓸 수 있는 마지막 판은 1.4.5라고 공식은 밝힌다.

명령줄 환경에서 쓰려면 패키지 관리자로 설치하고, 그다음 모듈로 실행한다. 이 길은 ffmpeg를 직접 갖춰야 하고 파이썬 3.12를 요구한다. Nvidia 카드에 GPU 가속까지 원한다면 CUDA 지원을 포함한 추론 프레임워크를 따로 설치해야 한다.

라이선스는 MIT

Buzz는 MIT 라이선스로 공개되어 코드를 누구나 볼 수 있고, 저장소 내려받기 수는 150만 회를 넘었다. 느슨한 허가라서 내 작업 흐름에 붙이거나 그 위에 손을 대도 승인 문제로 막히는 일은 거의 없다.

어떤 사람에게 맞나

한 묶음의 녹음이나 영상을 글로 바꾸고 싶고, 그것이 내 기계 밖으로 나가지 않기를 바란다면 Buzz의 값은 바로 거기에 있다. 계정을 만들 필요가 없고, 호출마다 돈을 낼 필요가 없고, 설치하면 오프라인으로 돌며, 화면의 실시간 받아쓰기와 폴더 감시가 회의 기록과 대량 처리 두 경우를 함께 덮는다.

다만 하드웨어에 요구가 있다. 모델이 클수록 메모리와 시간을 먹는다. 기종 호환에도 맞바꿈이 있고, 어떤 환경이 어떤 경우에 맞는지는 공식 설명에 적혀 있다. 덧붙여 정확도는 여전히 음성 품질을 따른다. 좋은 모델이라도 시끄러운 소재라면 한 번은 사람이 훑어보는 편이 좋다.

AI 능력을 데스크톱 앱으로 만들면 데이터가 내 곁에 남고 사용에 네트워크가 끼지 않는다. 대신 성능의 책임이 내게로 온다. 오프라인 도구가 늘 안고 있는, 솔직한 얼굴이다.