본문으로 건너뛰기

Hedy의 음성 인식 제공업체

음성 인식 제공업체란?

Hedy는 여러 음성 인식 옵션을 지원합니다. 오디오를 기기에서 직접 처리해 개인정보를 철저히 보호하거나 클라우드 서비스를 사용할 수 있습니다. 필요에 따라 언제든지 제공업체를 바꿀 수 있습니다. 오프라인 세션에는 로컬 엔진을 사용하고, 원하는 기능이 있는 경우 클라우드 서비스를 사용하세요.

시작하기

  1. Hedy 앱을 여세요.
  2. 설정을 열고 음성 및 AI 탭으로 이동하세요.
  3. 음성 인식 옵션을 찾으세요.
  4. 드롭다운 메뉴에서 원하는 제공업체를 선택하세요.
  5. 필요한 경우 선택한 제공업체의 설정을 조정하세요.
  6. 선택한 제공업체는 다음 세션부터 적용됩니다.

Mac과 Windows의 향상된 텍스트 변환

Apple Silicon Mac 또는 Windows PC에서 음성 엔진을 선택한 적이 없다면 Hedy에 향상된 텍스트 변환이 표시됩니다. Hedy는 회의 언어에 맞는 기기 내 엔진을 백그라운드에서 다운로드하면서 진행 상황을 표시합니다. 다운로드가 완료되면 해당 엔진으로 전환합니다. 다운로드를 취소했거나 다운로드가 완료되지 않은 경우 설정 → 음성 및 AI의 향상된 텍스트 변환 카드에서 다시 시작할 수 있습니다.

  • 세션이 시작되면 다운로드가 일시 중지되고, 세션이 끝나면 재개됩니다.
  • 다운로드를 완료하지 못해도 Hedy는 이전과 같이 작동합니다.
  • 음성 엔진을 직접 선택한 경우 Hedy가 자동으로 변경하지 않습니다.

사용 가능한 제공업체

Hedy에서 사용할 수 있는 음성 인식 옵션은 다섯 가지입니다.

  • Whisper (로컬): 기본 옵션입니다. 음성 텍스트 변환은 100% 비공개로 진행되며 오디오는 기기 밖으로 전송되지 않습니다. 오프라인에서 작동하며 사용 요금이 없습니다. 32비트 Android를 제외한 네이티브 앱에서는 세션이 끝난 후 화자 레이블을 추가할 수 있습니다. 웹 앱에서는 Whisper를 사용할 수 없습니다.
  • Nemotron (로컬): 기기에서 직접 실행되는 더 최근의 스트리밍 엔진으로, 실시간 녹취록을 제공하고 기기 내에서 화자 레이블을 지정합니다. 가장 빠른 영어 전용 모드와 다양한 주요 언어를 지원하는 다국어 모드 중에서 선택할 수 있습니다. Hedy 네이티브 앱을 제공하는 모든 플랫폼에서 사용할 수 있습니다. 지원 기기는 macOS 15 이상을 실행하는 Apple Silicon Mac, iPhone XS 이상, Neural Engine이 탑재된 iPad(iPad Pro 2018, iPad Air 3, iPad mini 5, iPad 8세대 이상), Windows 및 Android입니다. Apple 기기에서는 Neural Engine에서 실행되며 실시간으로 화자 레이블을 표시합니다. Windows와 Android에서는 세션이 끝날 때 화자 레이블을 추가합니다. 모델을 한 번 다운로드해야 합니다(영어 전용 약 0.6GB, 다국어 약 0.7GB).
  • Deepgram: 실시간 스트리밍과 스마트 서식 기능을 제공하는 클라우드 서비스입니다. 수십 개 언어를 지원하는 Nova-3를 사용합니다. Hedy에서는 Nova-3가 제공하는 모든 언어를 선택할 수 있습니다. 스위스 독일어, 아르메니아어, 구자라트어, 네팔어, 펀자브어와 네덜란드어, 프랑스어, 포르투갈어, 스페인어, 중국어의 지역별 변형까지 제공업체를 바꾸지 않고 지원 언어로 회의 음성을 텍스트로 변환할 수 있습니다. 본인의 API 키가 필요합니다.
  • OpenAI: 음성 활동 감지와 언어 자동 감지를 제공하는 클라우드 음성 텍스트 변환 서비스입니다. 실시간 세션에는 OpenAI의 최신 모델인 gpt-live-transcribe를, 가져온 파일에는 gpt-transcribe를 사용합니다. 이전 모델을 저장해 둔 경우에는 해당 모델도 계속 선택할 수 있습니다. Hedy는 OpenAI의 연결당 60분 제한에 맞춰 백그라운드에서 자동으로 연결을 교체합니다. 한 시간을 넘는 회의도 중단 없이 이어집니다. 본인의 API 키가 필요합니다.
  • xAI: xAI의 grok-voice-transcribe를 사용하는 클라우드 음성 텍스트 변환 서비스입니다. 세션은 실시간으로 스트리밍하고, 가져온 파일은 일괄 처리합니다. 25개 언어를 지원하며, 사용자 정의 어휘를 힌트로 함께 보내 이름과 제품 용어가 원하는 표기로 녹취록에 반영되도록 합니다. 본인의 API 키가 필요합니다.

Whisper(로컬) 설정

Whisper를 사용할 때 기기와 용도에 맞게 설정을 조정할 수 있습니다.

macOS 사용자:

  • 작게: 처리 속도가 가장 빠릅니다. Intel Mac에 권장합니다.
  • 보통: 처리 속도와 정확도의 균형을 맞춘 모델로, 대부분의 사용자에게 적합합니다.
  • 크게: 영어 이외의 여러 언어에서 가장 정확한 모델입니다(약 900MB를 한 번 다운로드해야 합니다).

iOS/Android 사용자:

  • 대형 모델 사용: 특히 영어 이외의 언어에서 정확도를 높이려면 이 옵션을 켜세요(iPhone 12 이상 및 2024년부터 출시된 Android 휴대전화에만 권장합니다).

‘음성 활동 감지’(VAD):

VAD는 무음 구간과 배경 소음을 자동으로 걸러 음성 텍스트 변환 품질을 높입니다. Whisper에서는 기본으로 켜져 있습니다.

  • 음성 활동 감지 활성화: 녹음 환경에 맞춰 VAD를 켜거나 끄세요.
  • 감도: 작은 소리까지 더 많은 음성을 포착하는 높은 민감도부터, 명확하게 들리는 음성만 포착하고 배경 소음을 더 많이 걸러 내는 최대 필터링까지 조정하세요.

‘스크립트 업데이트 빈도’:

  • 느리게: 녹취록을 1분에 두 번 정도 업데이트합니다(배터리를 절약합니다).
  • 보통: 녹취록을 5초마다 업데이트합니다(대부분의 사용자에게 권장합니다).
  • 빠르게: 녹취록을 1초마다 업데이트합니다(전력을 더 많이 사용합니다).

Nemotron(로컬) 설정

Nemotron은 음성을 전부 기기에서 직접 텍스트로 변환하며, 말하는 동안 실시간 녹취록을 표시합니다. Hedy 네이티브 앱을 제공하는 모든 플랫폼(iOS, iPadOS, macOS, Windows, Android)에서 사용할 수 있습니다. Apple 기기에서는 Neural Engine에서 실행됩니다.

지원 기기:

  • macOS 15 이상을 실행하는 Apple Silicon Mac(M1 이상)
  • iPhone XS 이상 또는 Neural Engine이 탑재된 iPad(iPad Pro 2018, iPad Air 3, iPad mini 5, iPad 8세대 이상)
  • Windows
  • 64비트 Android 휴대전화

영어 전용 또는 다국어:

제공업체 드롭다운에 Nemotron이 두 가지 옵션으로 표시됩니다. 회의에서 사용하는 언어에 맞춰 선택하세요.

  • Nemotron English Only (로컬): 영어 음성을 스트리밍으로 텍스트로 변환하는 가장 빠른 옵션입니다.
  • Nemotron Multilingual (로컬): 영어 외의 언어가 필요할 때 다양한 주요 언어의 음성을 기기에서 직접 스트리밍으로 텍스트로 변환합니다.

두 옵션 모두 모든 처리를 기기에서 직접 수행합니다. 영어 전용 모드는 회의/수업 언어 설정과 관계없이 항상 영어로 변환합니다. 다국어 모드는 회의/수업 언어 설정을 따릅니다. 설정 → 음성 및 AI에서 Auto-detect language를 켜면 다국어 모드가 오디오에서 언어를 자동으로 감지합니다.

처음 설정하기:

  1. 제공업체 드롭다운에서 Nemotron English Only (로컬) 또는 Nemotron Multilingual (로컬)을 선택하세요.
  2. 영어 전용은 Nemotron 모델 다운로드(~600 MB), 다국어는 Nemotron 다국어 모델 다운로드(~700 MB)를 누르세요(영어 전용 약 0.6GB, 다국어 약 0.7GB). Wi-Fi 사용을 권장합니다.
  3. 다운로드가 끝나면 다음 세션부터 Nemotron이 자동으로 사용됩니다.

화자 레이블과 임시 오디오 캐시:

두 기기 내 엔진 모두 발화자에 화자 레이블을 지정합니다. Apple 기기에서 Nemotron을 사용하면 말하는 동안 레이블이 실시간으로 표시됩니다. Windows나 Android에서 Nemotron을 사용하거나 지원 기기에서 Whisper를 사용하면 세션이 끝날 때 레이블이 추가됩니다. Hedy는 화자를 식별하기 위해 처리 중에 각 세션의 오디오를 기기 내 임시 캐시에 보관했다가 삭제합니다. 이 오디오는 기기 밖으로 전송되지 않습니다. 임시 오디오 캐시는 기본으로 켜져 있습니다. Hedy의 설정에서 끌 수 있지만, 켜 두면 발화자를 가장 정확하게 구분할 수 있습니다. Whisper에서 화자 레이블을 추가하려면 음성 활동 감지와 함께 임시 오디오 캐시 또는 세션 오디오 저장을 켜야 합니다. 웹 앱과 32비트 Android에서는 Whisper의 화자 레이블을 사용할 수 없습니다.

클라우드 제공업체 설정

Deepgram 설정:

  1. console.deepgram.com에서 계정을 만드세요.
  2. 대시보드에서 API 키를 생성하세요.
  3. Hedy의 설정에서 드롭다운을 열고 Deepgram (클라우드, API 키 필요)를 선택하세요.
  4. API 키를 붙여넣고 테스트를 눌러 확인하세요.
  5. 원하는 모델과 언어를 선택하세요.
  6. 비용을 관리하려면 클라우드 전사 시간 제한을 설정하세요.

OpenAI 설정:

  1. platform.openai.com/api-keys에서 API 키를 발급받으세요.
  2. Hedy의 설정에서 드롭다운을 열고 OpenAI (클라우드, API 키 필요)를 선택하세요.
  3. API 키를 입력하고 연결을 테스트하세요.
  4. 원하는 모델을 선택하세요. 실시간 세션의 기본값은 gpt-live-transcribe이며, 가져온 파일에는 gpt-transcribe를 사용합니다.
  5. 필요하면 음성 활동 감지를 켜고 감도를 조정하세요.
  6. 비용을 관리하려면 클라우드 전사 시간 제한을 설정하세요.

xAI 설정:

  1. console.x.ai에서 API 키를 발급받으세요.
  2. Hedy의 설정에서 드롭다운을 열고 xAI (클라우드, API 키 필요)를 선택하세요.
  3. API 키를 붙여넣으세요.
  4. 비용을 관리하려면 클라우드 전사 시간 제한을 설정하세요.

제공업체 선택 기준

중요하게 생각하는 점과 사용 상황에 맞춰 선택하세요.

  • 개인정보 보호 우선: 로컬 엔진(Whisper 또는 Nemotron)을 사용하세요. 음성 텍스트 변환에 쓰이는 오디오가 기기 밖으로 전송되지 않습니다.
  • 오프라인 사용: 모든 로컬 엔진은 인터넷 연결 없이 작동합니다.
  • 클라우드 기능: Deepgram, OpenAI, xAI는 클라우드에서 처리합니다.
  • 음성 감지: Whisper와 OpenAI는 음성 활동 감지 기능을 제공합니다.
  • 스마트 서식: Deepgram은 자동 서식 옵션을 제공합니다.
  • 사용 요금 없음: 로컬 엔진(Whisper, Nemotron)은 분당 요금이 없습니다.
  • 빠른 기기 내 음성 텍스트 변환: 일반적으로 Nemotron의 녹취록 표시 지연이 Whisper보다 짧습니다.
  • 기기 내 다국어 스트리밍: Nemotron Multilingual은 다양한 언어의 음성을 기기에서 직접 텍스트로 변환합니다.
  • 언어별로 적합한 기기 내 엔진: 아래 표를 참고하세요.
  • 개인정보를 보호하는 기기 내 분석: Apple Silicon Mac, Windows PC, iPhone 15 Pro 이상, M-series 또는 A17 Pro 칩이 탑재된 iPad 및 지원되는 Android 휴대전화에서는 로컬 음성 인식과 로컬 AI 처리를 함께 사용해 음성 텍스트 변환과 AI 분석을 모두 기기에서 직접 처리할 수 있습니다.

언어별 기기 내 엔진 선택

Whisper와 Nemotron의 정확도는 언어에 따라 다릅니다. 아래 표에서 회의/수업 언어에 해당하는 언어를 찾아 적합한 엔진을 선택하세요. 두 엔진 모두 해당 언어를 잘 처리한다면 더 가볍고 빠른 Nemotron을 권장합니다.

표를 참고할 때 알아둘 사항입니다.

  • Nemotron은 Nemotron Multilingual (로컬)을 뜻합니다. 영어는 Nemotron English Only (로컬)를 선택하세요.
  • Whisper Large는 Mac 또는 Windows PC에서 Whisper의 모델을 크게로 선택한 경우를 뜻합니다. 여러 언어에서 정확도가 가장 높은 기기 내 옵션이지만, Nemotron보다 메모리를 더 많이 사용하고 처리 속도가 느립니다. 컴퓨터에서 실행 속도가 너무 느리다면 해당 언어에는 Nemotron이 그다음으로 좋은 선택입니다.
  • 휴대전화와 태블릿에서는 Whisper Large를 사용할 수 없습니다. 표에 Whisper라고 표시된 경우 기기가 지원하면 대형 모델 사용을 켜세요.
  • Intel Mac이나 구형 iPhone처럼 Nemotron을 실행할 수 없는 기기에서는 Whisper를 사용하세요.
  • 억양과 방언, 여러 사람이 동시에 말하는 상황, 화자와 마이크 사이의 거리는 모든 언어에서 정확도를 떨어뜨릴 수 있습니다.
회의 언어Mac 또는 Windows PCiPhone, iPad 또는 Android
영어Nemotron English OnlyNemotron English Only
아랍어Nemotron모바일에서 사용 불가
네덜란드어NemotronNemotron
프랑스어NemotronNemotron
독일어NemotronNemotron
힌디어Nemotron모바일에서 사용 불가
이탈리아어NemotronNemotron
일본어NemotronNemotron
한국어NemotronNemotron
포르투갈어NemotronNemotron
러시아어NemotronNemotron
스페인어NemotronNemotron
튀르키예어NemotronNemotron
우크라이나어NemotronNemotron
베트남어NemotronNemotron
중국어(표준 중국어)Whisper LargeNemotron
크로아티아어Whisper LargeNemotron
체코어Whisper LargeNemotron
덴마크어Whisper LargeNemotron
핀란드어Whisper LargeNemotron
헝가리어Whisper LargeNemotron
노르웨이어Whisper LargeNemotron
폴란드어Whisper LargeNemotron
루마니아어Whisper LargeNemotron
슬로바키아어Whisper LargeNemotron
스웨덴어Whisper LargeNemotron
아프리칸스어Whisper LargeWhisper
광둥어Whisper LargeWhisper
카탈루냐어Whisper LargeWhisper
그리스어Whisper LargeWhisper
히브리어Whisper LargeWhisper
인도네시아어Whisper LargeWhisper
말레이어Whisper LargeWhisper
세르비아어Whisper LargeWhisper
슬로베니아어Whisper LargeWhisper
타갈로그어Whisper LargeWhisper
태국어Whisper Large모바일에서 사용 불가

어느 엔진을 사용하든 아프리칸스어, 광둥어, 히브리어, 세르비아어의 정확도는 다른 언어보다 눈에 띄게 낮습니다.

비용 고려 사항

제공업체별 과금 방식은 다음과 같습니다.

  • Whisper (로컬): 무료이며 사용 요금이 없습니다.
  • Nemotron (로컬): 무료이며 사용 요금이 없습니다(약 0.6~0.7GB의 모델을 한 번 다운로드해야 합니다).
  • Deepgram: 분당 요금이 부과됩니다(현재 요금은 Deepgram 대시보드에서 확인하세요).
  • OpenAI: 사용량에 따라 요금이 부과됩니다(현재 요금은 OpenAI 플랫폼에서 확인하세요).
  • xAI: 시간당 요금이 부과되며, 실시간 세션과 가져온 파일에 별도로 요금이 청구됩니다(현재 요금은 xAI 플랫폼에서 확인하세요).

클라우드 전사 시간 제한을 설정하면 실수로 밤새 녹음하는 일을 방지하고 API 비용을 관리하는 데 도움이 됩니다. 실시간 세션이 제한 시간에 도달하면 Hedy가 세션을 계속 진행하면서 나머지 음성을 기기에서 직접 텍스트로 변환합니다.

사용 팁

  • 로컬 Whisper로 먼저 기능에 익숙해진 뒤, 기기가 지원하면 Nemotron도 사용해 보세요.
  • 중요한 세션에 앞서 짧은 녹음으로 클라우드 제공업체를 테스트하세요.
  • 제공업체 대시보드에서 API 사용량을 확인해 비용을 추적하세요.
  • 상황에 따라 필요한 기능을 제공하는 엔진이나 서비스를 선택하세요.
  • 이동 중이거나 인터넷 연결이 제한된 곳에서는 로컬 엔진으로 전환하세요.
  • 긴 회의에서도 처음부터 끝까지 클라우드에서 음성을 텍스트로 변환하려면 클라우드 전사 시간 제한을 가장 긴 회의보다 조금 길게 설정하세요(기본값은 120분입니다).

문제 해결

API 키가 작동하지 않는 경우

  • 공백 없이 키 전체를 복사했는지 확인하세요.
  • 계정에 사용 가능한 크레딧이 있는지 확인하세요.
  • API 키에 필요한 권한이 있는지 확인하세요.
  • 제공업체 대시보드에서 키를 다시 생성해 보세요.

연결 테스트에 실패한 경우

  • 인터넷 연결이 안정적인지 확인하세요.
  • 방화벽이 WebSocket 연결을 차단하고 있지 않은지 확인하세요.
  • API 키가 활성 상태이고 사용 한도가 충분한지 확인하세요.
  • 일시적인 서비스 문제일 수 있으니 잠시 후 다시 시도하세요.

음성 텍스트 변환에 문제가 있는 경우

  • Whisper 사용 시: 다른 크기의 모델을 사용해 보세요.
  • Windows에서 Whisper 사용 시: 음성 텍스트 변환이 실제 대화보다 크게 지연되면 음성 텍스트 변환이 느릴 때의 GPU 설정을 확인하세요.
  • 전문 용어, 이름, 약어: 사용자 정의 어휘 기능으로 추가하세요.
  • Nemotron 사용 시: 영어 회의에는 영어 전용 모드를 사용하세요. 다른 언어의 경우 다국어 모드를 사용하거나 Whisper로 전환해 해당 언어를 직접 지정하세요.
  • 클라우드 서비스 사용 시: 인터넷 연결이 안정적인지 확인하세요.
  • 마이크가 올바르게 설정되어 있는지 확인하세요.
  • 녹음 중에는 배경 소음을 최대한 줄이세요.

설정이 저장되지 않는 경우

  • 저장됨 표시가 나타날 때까지 기다리세요.
  • 저장 중에는 다른 화면으로 이동하지 마세요.
  • 문제가 계속되면 앱을 다시 시작하세요.
  • 인터넷 연결이 안정적인지 확인하세요.

API 키는 기기의 암호화된 키체인에 안전하게 저장되며 Hedy 서버로 전송되지 않습니다. 민감한 대화에서 개인정보를 최대한 보호하려면 항상 로컬 엔진(Whisper 또는 Nemotron)을 사용하세요.