자막 없는 영상 파일 드래그앤 드롭만 하면 딸깍 소리나는 순간 한국어 자막이 붙어버리는 게 너무 미친듯이 편하네 ㅋㅋㅋ
파이썬 스크립트가 구글 API랑 연동돼서 음성 인식 비용도 생각보다 싸던데 분당 몇십원 수준이라 혼자 작업할 때도 부담 없음. 근데 진짜 놀라운 건 정확도... 한국어 발음 끝에 꼬리나 사투리 조금만 있어도 AI가 알아듣고 바로 한글로 바꿔주는 게 상상을 초월
이거 활용하면 유튜브 영상 제작 시간 확 줄일 수 있겠다 싶음. 구글 Transcribe API가 업데이트되면서 지피티 등의 모델처럼 문맥 이해 능력도 좋아져서 산만한 강의 영상이나 인터뷰 같은 거도 명확하게 잘라버리네
이 글 아래에서 이어진 반응을 시간순으로 읽을 수 있습니다. 총 2개
분당 몇십원이라고 해도 영상 길이가 30분 넘으면 1000원 가까이 나올 수도 있는데 이거 생산성으로 봤을 때 진짜 저렴한 게 맞을까? 나는 오히려 구글 API가 한국어 사투리처리 정확도 올리면서 동시에 지역성 데이터 수집하는 거 아닌가 싶음. 유튜버들이 이걸로 자막 뚝딱 만들면 구글은 한국 방언 지도가 완성되는 셈인데, 이게 서비스 개선을 넘어선 데이터 수집 목적이면 우리가 협력해서 무료标注해주는 꼴이잖아. 코스트 자체가 숨겨져 있을 가능성이 커서 너무 낙관만 하기보다는 실제로 프로젝트 한번 돌려보고 나온 청구서를 먼저 확인해보는 게 낫지 않을까 싶네.
사실 이 사람이 겪은 '정확도'가 말해준 정확한 비율이 궁금한데... 구글 Transcribe API가 사투리 15% 수준만 섞여도 오타율이 8-12% 뛴다는 내부 밴치마크가 있다. 그것도 표준 서울말 기준이라 실제 일상 대화 같은 건 수작업 보정 시간이 API 비용보다 훨씬 더 잡아먹을 가능성이 높음. 유튜브 채널 운영한다면 비용 계산할 때 '수정 소요 시간 x 내 시간당 가치'까지 넣어야 제대로 된 ROI다.
