오디오 텍스트 변환: 모든 음성을 텍스트로, 무료로.

대부분의 음성은 끝내 읽히지 않으며, 바로 그것이 문제입니다. 소셜 영상의 약 85%는 소리를 끈 채 시청되기 때문에, 화면에 자막 없이 말로만 전달된 내용은 그냥 놓치게 됩니다. 팟캐스트, 강의, 영업 통화, 인터뷰도 마찬가지예요. 말 속에 담긴 정보는 값지지만, 검색 엔진이 색인할 수도 없고 훑어 읽을 수도 없는 파일 안에 갇혀 있죠.

받아쓰기는 그 음성을 풀어 줍니다. 음성이 텍스트가 되는 순간, 녹음 내용을 검색하고, 인용하고, 번역하고, 다시 활용할 수 있게 됩니다. 폴더 속에 묵혀 있던 1시간짜리 인터뷰가 한 편의 기사가 되고, 자막 묶음이 되고, 인용구 모음이 되며, 팀 전체가 몇 초 만에 검색할 수 있는 자막이 됩니다.

비용 측면도 있습니다. 1시간 분량의 음성을 사람이 직접 받아쓰면 숙련된 타이피스트도 약 4시간이 걸립니다. 자동으로 하면 몇 분이면 끝나죠. 그래서 무언가를 녹음하는 팀이라면 이제 기본적으로 받아쓰기를 합니다.

쉽게 말해, 소프트웨어가 녹음을 듣고 들리는 내용을 타이핑해 주는 거예요. 요즘의 받아쓰기는 단순히 단어를 늘어놓는 데 그치지 않고, 타임스탬프를 넣고, 화자를 구분하며, 다양한 억양과 배경 소음에도 대응합니다.

• 자동 받아쓰기 vs. 사람 받아쓰기. 자동은 즉시 처리되고 비용이 낮으며, 정확도는 음질에 따라 달라집니다. 사람의 받아쓰기는 느리고 비용이 들지만, 강한 억양이나 말이 겹치는 상황을 더 잘 처리합니다.
• 전사(verbatim) vs. 정리본(clean read). 전사는 추임새까지 그대로 살리고, 정리본은 읽기 편하게 그것들을 덜어냅니다. 대개 콘텐츠 용도로는 정리본을, 법적 용도로는 전사를 선호해요.
• 타임스탬프와 화자 분리(diarization). 타임스탬프는 각 줄이 언제 말해졌는지를 표시하고, 화자 분리는 누가 말했는지를 라벨링합니다. 둘 다 인터뷰, 회의, 자막에 중요해요.
• 전사 vs. 캡션 vs. 자막. 전사는 전체 텍스트예요. 캡션은 그 텍스트를 영상에 맞춰 동기화한 것이고요. 자막(subtitles)은 보통 다른 시청자를 위해 번역한 버전을 말합니다.

기자와 연구자 녹음한 인터뷰를 넣으면 화자별로 라벨이 달린 타임스탬프 자막이 나오고, 오디오를 일일이 돌려 듣는 대신 몇 분 만에 직접 인용구를 뽑아낼 수 있어요.

콘텐츠 팀 팟캐스트 한 편을 콘텐츠 엔진처럼 다룹니다 — 자막이 블로그 글이 되고, 그 글이 뉴스레터가 되며, 가장 인상적인 문장은 인용구 그래픽이 됩니다.

강의 제작자와 교육자 강의를 받아써서 학생들이 따라 읽고 내용을 검색할 수 있게 하고, 영상에 자막을 입혀 누구나 콘텐츠에 접근할 수 있게 합니다.

영업 및 고객지원 팀 통화 녹음을 검색 가능한 기록으로 바꿉니다 — 자막을 검색해 정확한 그 한 줄을 타임스탬프와 함께 찾아내세요.