Whisper 트랜스크립션 (오디오 & 비디오)

로컬 Whisper 엔진을 사용하여 오디오/비디오 파일의 트랜스크립트를 생성합니다. 모든 처리는 기기에서 이루어집니다. macOS에서는 Social Archiver 데스크톱 앱이 번들된 WhisperKit 백엔드를 사용할 수 있고, Obsidian 및 fallback 설정에서는 기존 CLI 백엔드를 계속 사용할 수 있습니다.

데스크톱 앱 설정 (macOS WhisperKit)

macOS의 독립형 데스크톱 앱에서는 WhisperKit을 우선 백엔드로 권장합니다. Python, Homebrew 기반 Whisper 도구, 별도 모델 파일 설치를 사용자가 직접 처리하지 않아도 첫 전사를 시작할 수 있습니다.

데스크톱 앱에서 Settings → AI → Transcription executor를 엽니다.
Whisper backend를 Auto 또는 WhisperKit으로 설정합니다. Auto는 번들 helper와 모델이 준비되어 있으면 WhisperKit을 먼저 사용하고, 필요할 때 설치된 CLI 백엔드로 fallback합니다.
WhisperKit model 배너에서 드롭다운으로 모델을 선택한 뒤 다운로드 아이콘을 클릭합니다.
원형 진행률 표시가 완료될 때까지 앱을 열어 둡니다. 설치된 모델은 같은 배너에서 삭제할 수 있어 디스크 공간을 비우거나 재설치할 수 있습니다.
로컬 미디어가 저장된 Timeline 항목을 열고 Transcribe를 클릭합니다. 이미 transcript가 있는 항목은 추가 전사 흐름으로 표시되어 다른 언어나 모델 결과를 추가할 수 있습니다.

WhisperKit 모델 선택

모델	적합한 용도	참고
Tiny	빠른 미리보기	가장 작고 빠르지만 정확도는 낮음
Small	일상 사용	대부분의 아카이브 음성에 권장되는 균형형
Large v3 turbo	품질 우선	양자화된 WhisperKit 모델, 현재 데스크톱 빌드 기준 약 632 MB 티어

언어와 모델 선택

전사 모달에서는 실행할 때마다 WhisperKit 모델과 언어를 선택할 수 있습니다. 기본 언어 옵션은 Match original입니다. 자동 감지가 잘못된 언어를 선택하면 작업 시작 전에 한국어, 영어, 일본어처럼 특정 언어를 선택하세요. transcript가 여러 개 있으면 Timeline 플레이어 컨트롤 근처의 transcript 언어 드롭다운에서 전환할 수 있습니다.

동영상과 다운로더 안내

WhisperKit은 macOS에서 지원되는 오디오를 로컬로 처리합니다. 동영상은 여전히 오디오 추출이 필요할 수 있고, 원격 동영상 작업에는 다운로더가 필요합니다. YouTube, TikTok 등 동영상 게시물을 전사한다면 관리형 yt-dlp와 ffmpeg/ffprobe를 준비해 두세요.

모바일 요청 설정 체크리스트

모바일 앱에서 전사를 사용할 수 없다고 표시되면, 모바일 요청 흐름을 실행할 수 있는 데스크톱 실행 환경이 아직 준비되지 않은 상태입니다. 독립형 앱은 데스크톱 앱 설정을 사용하세요. Obsidian 플러그인 실행 환경을 사용한다면 먼저 다음을 확인하세요:

macOS, Windows, Linux의 Social Archiver Obsidian 플러그인을 설치하고 모바일 앱과 같은 계정으로 로그인합니다. 자세한 위치는 플러그인 설정을 참고하세요.
모바일에서 보낸 전사 작업을 받을 수 있도록 데스크톱 Obsidian을 열어두고 연결 상태를 유지합니다. 요청 흐름은 작동 방식에 정리되어 있습니다.
데스크톱 Obsidian에서 Settings → Social Archiver → Transcription Settings를 열고 Enable Whisper transcription을 켭니다. 설정 항목은 플러그인 설정에서 확인할 수 있습니다.
Whisper 호환 도구를 설치합니다. Windows는 openai-whisper가 가장 쉽고, Apple Silicon Mac은 whisper.cpp가 좋으며, Linux/CPU 환경에서는 faster-whisper가 빠른 편입니다.
동영상 전사에는 ffmpeg가 필요합니다. 데스크톱 클라이언트가 동영상을 먼저 다운로드해야 하는 경우 yt-dlp도 설치합니다. 관련 요구사항은 요구사항과 지원 워크플로우를 참고하세요.

데스크톱 플러그인이 전사 가능 상태를 보고하면 모바일 요청은 실시간 연결을 통해 바로 실행됩니다. 초기 설정이 완료된 뒤에는 데스크톱 Obsidian이 꺼져 있어도 모바일에서 요청한 전사 작업이 queued 상태로 저장될 수 있습니다. 다만 실제 전사는 데스크톱 Obsidian이 다시 열리고 WebSocket에 연결된 뒤 시작되며, 실시간 진행률과 결과 반영도 연결된 상태에서 가장 빠르게 처리됩니다.

Obsidian Shell Execution 경고

Obsidian 보안 스캔에서 Social Archiver에 Shell Execution 경고가 표시될 수 있습니다. 전사 기능에서는 데스크톱 Obsidian이 로컬 Whisper 호환 CLI를 실행하고, 미디어 처리를 위해 ffmpeg/ffprobe를 호출할 수 있습니다. 동영상 다운로드 후 전사 워크플로우를 사용하는 경우 전사 전에 yt-dlp도 실행될 수 있습니다. 독립형 데스크톱 앱은 네이티브 macOS 백엔드에 번들된 WhisperKit helper를 사용하지만, 동영상 추출과 원격 동영상 다운로드에는 여전히 미디어 도구를 사용합니다. 명령은 전사 기능을 켜고 작업을 요청했을 때만 실행됩니다. 모바일 요청은 작업을 대기열에 넣을 수 있지만, 모바일 Obsidian이 로컬 셸 명령을 실행하지는 않습니다. 실제 실행은 연결된 데스크톱 실행 환경에서 이루어집니다.

개요

Social Archiver에서 미디어를 아카이빙한 후, 컴퓨터에서 로컬로 실행되는 Whisper 음성 인식 모델로 전체 트랜스크립트를 생성할 수 있습니다. 팟캐스트 오디오, 저장된 로컬 파일, Timeline의 YouTube/TikTok 워크플로우를 포함한 다운로드 비디오 파일을 지원합니다.

왜 로컬 처리인가요?

이 기능은 두 가지 고려 사항을 염두에 두고 설계되었습니다:

프라이버시: 미디어 파일이 기기를 떠나지 않습니다. 모든 트랜스크립션은 오픈 소스 도구를 사용하여 로컬에서 이루어지므로 민감한 콘텐츠에 대한 완전한 프라이버시가 보장됩니다.
API 비용 없음: 분당 요금을 부과하는 클라우드 기반 트랜스크립션 서비스와 달리, 로컬 Whisper는 설치 후 완전히 무료로 사용할 수 있습니다.

단점은 추가 도구를 설치해야 하고 트랜스크립션 속도가 컴퓨터 성능에 따라 달라진다는 것입니다.

요구사항

다음 로컬 음성 인식 백엔드 중 하나가 필요합니다:

도구	CLI 포함	속도	모델 자동 다운로드
WhisperKit (macOS 데스크톱 앱)	번들 helper	빠름	✓ 앱 내 모델 다운로드
faster-whisper	아니오 (wrapper 필요)	가장 빠름	✓ 자동
openai-whisper	예	보통	✓ 자동
whisper.cpp	예	빠름	✗ 수동

데스크톱 전용 + FFmpeg 안내

트랜스크립션 기능은 데스크톱에서만 사용할 수 있습니다.
독립형 데스크톱 앱은 번들 helper가 있고 모델이 하나 이상 다운로드되어 있으면 macOS에서 WhisperKit을 사용할 수 있습니다.
비디오 트랜스크립션(.mp4, .webm, .mov, .avi, .mkv, .m4v)에는 ffmpeg를 준비해 두세요. 네이티브 오디오 입력만으로 충분하지 않을 때 Social Archiver가 먼저 비디오에서 오디오를 추출한 뒤 Whisper를 실행합니다.

옵션 1: faster-whisper (권장)

CTranslate2 기반 구현체입니다. openai-whisper보다 최대 4배 빠르고 메모리 사용량이 적습니다. 첫 사용 시 모델이 자동으로 다운로드됩니다.

저장소: github.com/SYSTRAN/faster-whisper
모델: ~/.cache/huggingface/에 자동 다운로드

CLI Wrapper 필요

faster-whisper는 내장 CLI가 없는 Python 라이브러리입니다. CLI wrapper 스크립트를 설치해야 합니다.

Windows 사용자

Windows에서는 openai-whisper 사용을 권장합니다 (아래 옵션 2 참조). CLI가 기본 포함되어 있어 추가 설정이 필요 없습니다. 그래도 Windows에서 faster-whisper를 사용하고 싶다면 아래 Windows 전용 안내를 따르세요.

macOS / Linux 설치

단계 1: 라이브러리 설치

LinuxmacOS (Homebrew)

bash

pip install faster-whisper

bash

# macOS Homebrew는 시스템 pip 설치를 차단합니다 (PEP 668)
# 대신 전용 가상환경을 생성하세요:

# venv 생성 및 faster-whisper 설치
python3 -m venv ~/.local/share/faster-whisper-venv
~/.local/share/faster-whisper-venv/bin/pip install faster-whisper

단계 2: CLI wrapper 설치

wrapper 스크립트를 다운로드하여 PATH에 저장합니다:

bash

# bin 디렉토리 생성 (없는 경우)
mkdir -p ~/.local/bin

# wrapper 스크립트 다운로드
curl -o ~/.local/bin/faster-whisper \
  https://raw.githubusercontent.com/hyungyunlim/obsidian-social-archiver-releases/main/faster-whisper-cli.py

# 실행 권한 부여
chmod +x ~/.local/bin/faster-whisper

macOS 사용자: shebang 수정 필요

venv에 faster-whisper를 설치했다면 (단계 1), 스크립트의 shebang을 venv Python으로 수정해야 합니다:

bash

# 스크립트의 첫 번째 줄 교체
sed -i '' '1s|.*|#!/Users/'$USER'/.local/share/faster-whisper-venv/bin/python|' ~/.local/bin/faster-whisper

단계 3: PATH에 추가 (아직 안 되어 있다면)

bash

# 쉘 설정 파일에 추가 (~/.zshrc 또는 ~/.bashrc)
export PATH="$HOME/.local/bin:$PATH"

# 쉘 새로고침
source ~/.zshrc  # 또는 ~/.bashrc

설치 확인:

bash

faster-whisper --version

Windows 설치

단계 1: 라이브러리 설치

powershell

pip install faster-whisper

단계 2: CLI wrapper 설치

PowerShell을 열고 실행하세요:

powershell

# Python Scripts 폴더에 wrapper 스크립트 다운로드
# 먼저 Python Scripts 경로 확인
python -c "import sys; print(sys.prefix + '\\Scripts')"

# wrapper 다운로드 (경로를 필요에 맞게 수정)
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/hyungyunlim/obsidian-social-archiver-releases/main/faster-whisper-cli.py" -OutFile "$env:LOCALAPPDATA\Programs\Python\Python311\Scripts\faster-whisper.py"

단계 3: batch wrapper 생성

같은 Scripts 폴더에 faster-whisper.bat 파일을 생성합니다:

batch

@echo off
python "%~dp0faster-whisper.py" %*

또는 PowerShell 명령어로 생성:

powershell

$scriptsPath = python -c "import sys; print(sys.prefix + '\\Scripts')"
Set-Content -Path "$scriptsPath\faster-whisper.bat" -Value '@echo off`r`npython "%~dp0faster-whisper.py" %*'

설치 확인:

powershell

faster-whisper --version

옵션 2: openai-whisper

OpenAI의 원본 Python 구현체입니다. 설치가 쉽고 바로 작동합니다. 첫 사용 시 모델이 자동으로 다운로드됩니다.

저장소: github.com/openai/whisper
모델: ~/.cache/whisper/에 자동 다운로드

macOS / Linux 설치

bash

# Python 3.8+ 필요
pip install openai-whisper

# 또는 pipx 사용 (격리 권장)
pipx install openai-whisper

설치 확인:

bash

whisper --help

Windows 설치

사전 요구사항 필요

Windows 사용자는 openai-whisper를 사용하기 전에 FFmpeg를 설치하고 PyTorch가 올바르게 구성되어 있어야 합니다.

단계 1: FFmpeg 설치

FFmpeg는 미디어 처리에 필요합니다. 다음 방법 중 하나를 선택하세요:

winget (권장)Chocolatey수동 설치

powershell

winget install ffmpeg

powershell

choco install ffmpeg

powershell

# 1. https://ffmpeg.org/download.html 에서 Windows 빌드 다운로드
# 2. C:\ffmpeg에 압축 해제
# 3. C:\ffmpeg\bin을 시스템 PATH에 추가

설치 후 FFmpeg가 PATH에 있는지 확인:

powershell

ffmpeg -version

단계 2: openai-whisper 설치

powershell

# Python 3.8+ 필요
pip install openai-whisper

이 명령은 PyTorch를 자동으로 설치합니다. NVIDIA GPU 가속을 위해서는 먼저 CUDA 버전을 설치하세요:

powershell

# 선택사항: CUDA 지원 PyTorch 설치 (NVIDIA GPU용)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

# 그 다음 whisper 설치
pip install openai-whisper

단계 3: Python Scripts를 PATH에 추가 (아직 안 되어 있다면)

powershell

# Python Scripts 경로 확인
python -c "import sys; print(sys.prefix + '\\Scripts')"

# 이 경로를 시스템 PATH 환경 변수에 추가
# 보통: C:\Users\<사용자명>\AppData\Local\Programs\Python\Python3xx\Scripts

설치 확인:

powershell

whisper --help

문제 해결

whisper 명령어를 찾을 수 없는 경우:

PATH 변경 후 터미널/PowerShell 재시작
python -m whisper로 대신 실행 시도
Python Scripts 폴더가 PATH에 있는지 확인

옵션 3: whisper.cpp

고성능 C++ 구현체입니다. Metal GPU 가속을 통해 Apple Silicon Mac에서 최상의 성능을 제공합니다.

저장소: github.com/ggerganov/whisper.cpp
모델: huggingface.co/ggerganov/whisper.cpp

수동 모델 다운로드 필요

whisper.cpp는 사용 전에 GGML 모델 파일을 수동으로 다운로드해야 합니다.

설치:

bash

# macOS (Homebrew 사용)
brew install whisper-cpp

# 또는 소스에서 빌드
git clone https://github.com/ggerganov/whisper.cpp
cd whisper.cpp
cmake -B build && cmake --build build --config Release

모델 다운로드:

bash

# 모델 디렉토리 생성
mkdir -p ~/whisper-models

# small 모델 다운로드 (권장, 465MB)
curl -L -o ~/whisper-models/ggml-small.bin \
  https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

# 다른 모델 옵션:
# ggml-tiny.bin (74MB), ggml-base.bin (142MB)
# ggml-medium.bin (1.5GB), ggml-large-v3.bin (2.9GB)

플러그인은 다음 위치에서 모델을 검색합니다:

~/whisper-models/
~/.cache/whisper-cpp/
~/whisper.cpp/models/

설치 확인:

bash

whisper-cli --help

플러그인 설정

설정 → Social Archiver → Transcription Settings에서 트랜스크립션을 구성합니다:

설정	설명
Enable Whisper transcription	트랜스크립션 기능 켜기/끄기
Preferred Whisper variant	사용할 Whisper 구현체 선택
Preferred model	모델 크기 선택 (tiny ~ large)
Default language	자동 감지 또는 언어 지정
Custom Whisper path	자동 바이너리 감지 재정의
Force enable custom path	커스텀 경로 사용 시 엄격한 바이너리 검증 건너뛰기
Batch transcription mode	비디오 배치 작업 모드 선택 (`Transcribe only` / `Download & transcribe`)
Batch transcribe videos in notes	배치 트랜스크립션 시작 / 일시정지 / 재개 / 취소

Variant 선택하기

여러 Whisper variant가 설치되어 있다면 사용할 것을 선택할 수 있습니다:

Auto-detect: Apple Silicon Mac에서는 whisper.cpp 우선, 그 외 시스템에서는 faster-whisper 우선
faster-whisper: 가장 쉬운 설정, 모델 자동 다운로드, 뛰어난 CPU 성능
openai-whisper: 원본 구현체, 쉬운 설정, 모델 자동 다운로드
whisper.cpp: Apple Silicon Mac에 최적 (Metal GPU 가속), 수동 모델 다운로드 필요

모델은 공유되지 않음

각 variant는 다른 모델 포맷을 사용합니다. 한 variant용으로 다운로드한 모델은 다른 variant에서 사용할 수 없습니다:

Variant	모델 포맷	저장 위치
faster-whisper	CTranslate2	`~/.cache/huggingface/`
openai-whisper	PyTorch (.pt)	`~/.cache/whisper/`
whisper.cpp	GGML (.bin)	수동 지정

지원 워크플로우

워크플로우	트리거	비고
데스크톱 앱 로컬 전사	Timeline 항목에 로컬 오디오/비디오가 저장됨	전사 모달에서 모델과 언어 선택
추가 언어 transcript	Timeline 항목에 이미 transcript가 있음	전사 모달을 다시 열고 다른 언어/모델 선택
팟캐스트 오디오	아카이브 노트에 로컬 오디오가 있을 때	다운로드된/로컬 오디오에 트랜스크립션 배너 표시
YouTube/TikTok 비디오	비디오를 먼저 로컬로 다운로드했을 때	로컬 비디오에 트랜스크립션 배너 표시
아카이브 폴더 내 기존 로컬 비디오	설정에서 배치 트랜스크립션 실행	`transcribe-only` 또는 `download-and-transcribe` 모드 사용

작동 방식

아카이브 + 미디어 다운로드: 항목에 저장된 로컬 오디오/비디오 파일이 있는지 확인하거나, 원격 동영상은 다운로드 후 전사 흐름을 선택합니다.
Timeline에서 열기: 아카이브된 게시물을 Timeline 보기에서 확인합니다.
Transcribe 클릭: 로컬 미디어 또는 다운로드 후 전사 액션을 선택합니다.
모델과 언어 선택: 데스크톱 앱 WhisperKit 실행은 전사마다 설치된 모델과 언어를 선택할 수 있습니다. 기본값은 Match original입니다.
처리 대기: Whisper가 로컬에서 실행되는 동안 진행률이 표시됩니다.
트랜스크립트 보기: transcript가 아카이브 항목에 저장되고 Timeline에 표시됩니다. transcript가 여러 개 있으면 플레이어의 transcript 언어 드롭다운에서 전환합니다.

비디오 트랜스크립션 파이프라인

비디오 파일의 경우, Social Archiver가 먼저 ffmpeg를 사용해 mono 16kHz WAV 오디오를 추출한 뒤 추출된 오디오에 Whisper를 실행할 수 있습니다. 오디오 전용 파일은 지원되는 경우 네이티브 백엔드가 직접 처리합니다.

트랜스크립트 기능

인터랙티브 타임스탬프

트랜스크립트의 타임스탬프를 클릭하면 미디어 플레이어의 해당 지점으로 이동합니다. 재생 중에는 현재 세그먼트가 하이라이트됩니다.

검색 (데스크톱)

검색창을 사용하여 트랜스크립트에서 특정 단어나 구문을 찾을 수 있습니다.

접기/펼치기

트랜스크립트는 공간 절약을 위해 접힌 상태로 시작합니다. 클릭하여 전체 내용을 펼쳐 볼 수 있습니다.

트랜스크립트 저장 위치

데스크톱 앱은 transcript를 아카이브 항목과 함께 저장하고 Timeline에서 표시합니다. Obsidian 플러그인이 vault에 기록할 때는 트랜스크립트가 마크다운 파일의 ## Transcript 섹션에 직접 저장됩니다:

markdown

## Transcript

[00:00] 안녕하세요, 반갑습니다...

[00:15] 오늘은 다음에 대해 이야기합니다...

메타데이터는 YAML frontmatter에 저장됩니다:

yaml

transcriptionModel: small
transcriptionLanguage: ko
transcriptionDuration: 1847.5
transcriptionTime: 2024-12-12T05:30:00.000Z

모델 선택

백엔드와 필요에 맞춰 모델을 선택하세요.

데스크톱 앱 WhisperKit 백엔드:

모델	속도	정확도	용도
Tiny	가장 빠름	낮음	빠른 확인과 짧은 클립
Small	빠름	좋음	기본값, 균형
Large v3 turbo	더 느림	높음	중요한 콘텐츠, 잡음 있는 콘텐츠, 한국어/영어 혼합 콘텐츠

CLI Whisper 백엔드:

모델	크기	속도	정확도	용도
tiny	74MB	~32x	낮음	빠른 미리보기
base	142MB	~16x	보통	짧은 클립
small	466MB	~6x	좋음	기본값, 균형
medium	1.5GB	~2x	높음	중요한 콘텐츠
large	2.9GB	~1x	최고	최대 정확도

속도는 미디어 길이에 상대적입니다 (예: ~6x는 10분 오디오/비디오가 ~1.5분에 트랜스크립션됨).

권장 사항

small 모델로 시작하세요. 대부분의 음성 중심 콘텐츠에서 속도와 정확도의 균형이 좋습니다. 콘텐츠가 중요하거나 잡음이 많거나 여러 언어가 섞여 있고 느린 실행을 감수할 수 있다면 Large v3 turbo를 사용하세요.

문제 해결

트랜스크라이브 버튼이 나타나지 않음

일반적인 원인:

시스템 PATH에서 Whisper 도구를 찾을 수 없음
WhisperKit을 선택했지만 아직 다운로드된 모델이 없음
데스크톱 앱 빌드에 WhisperKit helper가 포함되어 있지 않음
플러그인 설정에서 트랜스크립션이 비활성화됨
미디어가 아직 로컬 경로로 다운로드되지 않음 (특히 YouTube/TikTok)

해결 방법:

데스크톱 앱에서는 WhisperKit을 선택하고 모델을 다운로드한 뒤 readiness 행이 Ready로 바뀌는지 확인합니다.
CLI 백엔드는 whisper --version 또는 faster-whisper --version으로 설치를 확인합니다.
설정 → Social Archiver → Transcription에서 기능을 활성화합니다.
미디어를 먼저 로컬로 다운로드한 뒤 Timeline을 다시 엽니다.
도구 설치 후 Obsidian을 재시작합니다.
CLI 도구가 시스템 PATH에 있는지 확인합니다.

트랜스크립션 실패 또는 시간 초과

일반적인 원인:

선택한 모델에 대한 메모리 부족
손상된 오디오/비디오 파일
매우 긴 미디어 (2시간 이상)
비디오 트랜스크립션에 필요한 ffmpeg 미설치

해결 방법:

더 작은 모델 시도 (예: tiny 또는 base)
미디어 파일이 올바르게 재생되는지 확인
ffmpeg 설치 후 ffmpeg -version으로 확인 (비디오 필수)
사용 가능한 디스크 공간과 메모리 확인
WhisperKit이 실패하면 데스크톱 앱의 Installation status details를 열어 helper/model 상태를 확인

트랜스크립션 품질 저하

일반적인 원인:

오디오의 배경 소음
여러 화자가 동시에 말함
비표준 억양 또는 기술 용어
압축된 비디오 소스의 낮은 오디오 품질

해결 방법:

더 큰 모델 사용 (medium 또는 large)
자동 감지가 실패하면 전사 모달 또는 설정에서 언어 지정

느린 트랜스크립션

트랜스크립션 속도는 다음에 따라 달라집니다:

CPU/GPU 성능
선택한 모델 크기
미디어 길이

성능 팁

macOS 데스크톱 앱: WhisperKit을 먼저 사용
Apple Silicon Mac의 Obsidian 플러그인: CLI 성능을 우선한다면 whisper.cpp 사용
NVIDIA GPU: CUDA 지원과 함께 faster-whisper 사용
CPU만: 합리적인 속도를 위해 tiny 또는 base 모델 사용

언어 지원

Whisper는 자동 감지와 함께 99개 이상의 언어를 지원합니다. 영어가 아닌 콘텐츠에서 최상의 결과를 위해:

첫 실행은 언어를 Match original로 둡니다.
감지가 실패하면 전사 모달 또는 플러그인 설정에서 언어를 수동으로 지정하세요.
두 버전을 모두 유지하려면 대상 언어로 추가 전사를 실행하고 Timeline에서 transcript 언어를 전환하세요.

프라이버시 및 저장

로컬 처리만

모든 트랜스크립션은 기기에서 로컬로 이루어집니다. 미디어 파일은 전사 서버로 업로드되지 않습니다. 데스크톱 앱은 transcript를 아카이브 항목과 함께 저장하고, Obsidian 플러그인은 vault에 저장합니다.

디스크 공간

트랜스크립트는 텍스트 전용이며 매우 작습니다 (긴 오디오/비디오도 일반적으로 100KB 미만). 아카이브나 vault 크기에 큰 영향을 미치지 않습니다.

Whisper 트랜스크립션 (오디오 & 비디오) ​

데스크톱 앱 설정 (macOS WhisperKit) ​

WhisperKit 모델 선택 ​

언어와 모델 선택 ​

모바일 요청 설정 체크리스트 ​

Obsidian Shell Execution 경고 ​

개요 ​

왜 로컬 처리인가요? ​

요구사항 ​

옵션 1: faster-whisper (권장) ​

macOS / Linux 설치 ​

Windows 설치 ​

옵션 2: openai-whisper ​

macOS / Linux 설치 ​

Windows 설치 ​

옵션 3: whisper.cpp ​

플러그인 설정 ​

Variant 선택하기 ​

지원 워크플로우 ​

작동 방식 ​

트랜스크립트 기능 ​

인터랙티브 타임스탬프 ​

검색 (데스크톱) ​

접기/펼치기 ​

트랜스크립트 저장 위치 ​

모델 선택 ​

문제 해결 ​

트랜스크라이브 버튼이 나타나지 않음 ​

트랜스크립션 실패 또는 시간 초과 ​

트랜스크립션 품질 저하 ​

느린 트랜스크립션 ​

언어 지원 ​

프라이버시 및 저장 ​

Whisper 트랜스크립션 (오디오 & 비디오)

데스크톱 앱 설정 (macOS WhisperKit)

WhisperKit 모델 선택

언어와 모델 선택

모바일 요청 설정 체크리스트

Obsidian Shell Execution 경고

개요

왜 로컬 처리인가요?

요구사항

옵션 1: faster-whisper (권장)

macOS / Linux 설치

Windows 설치

옵션 2: openai-whisper

macOS / Linux 설치

Windows 설치

옵션 3: whisper.cpp

플러그인 설정

Variant 선택하기

지원 워크플로우

작동 방식

트랜스크립트 기능

인터랙티브 타임스탬프

검색 (데스크톱)

접기/펼치기

트랜스크립트 저장 위치

모델 선택

문제 해결

트랜스크라이브 버튼이 나타나지 않음

트랜스크립션 실패 또는 시간 초과

트랜스크립션 품질 저하

느린 트랜스크립션

언어 지원

프라이버시 및 저장