음성 텍스트 변환 모델 비교와 고르는 방법
이 도구에서 고를 수 있는 10종의 음성 텍스트 변환 모델을 5개 언어의 같은 음성으로 측정했습니다. 오류율은 잘못 인식한 비율이며, 처리 시간은 1시간 분량의 음성에 걸리는 시간의 기준입니다. 어떤 모델을 고를지 망설여진다면 먼저 '언어·기기별 추천'을 확인하세요.
측정일: 2026년 10월 29일
언어·기기별 추천
일본어
WebGPU를 쓸 수 있는 PC에서는 Haas-ja v1.0(710 MB)이 가장 정확합니다(오류율 5.2%). 처리 시간도 SenseVoice Small의 약 3분의 1입니다. 이런 PC의 Chrome·Edge에서는 기본 설정이 이 모델입니다(Apple 실리콘 Mac 제외). 스마트폰과 WebGPU를 쓸 수 없는 PC에서는 기본 설정인 SenseVoice Small(240 MB)을 선택하세요. Whisper Large v3 Turbo(1.5 GB)와 비슷한 정확도이며 처리 시간은 절반 이하입니다.
중국어·한국어
중국어는 기본 설정인 SenseVoice Small이 어떤 Whisper 모델보다 정확합니다. 한국어는 WebGPU를 쓸 수 있는 PC라면 Whisper Large v3 Turbo(오류율 5.0%)와 Large v3(4.6%)가 SenseVoice Small(7.9%)보다 정확합니다. 두 언어 모두 WebGPU를 쓸 수 있는 PC에서는 Qwen3-ASR 1.7B가 SenseVoice Small과 비슷하거나 더 높은 정확도를 보입니다.
영어
WebGPU를 쓸 수 있는 PC에서는 Whisper Large v3 Turbo(오류율 5.8%)나 Medium(5.7%)으로 충분한 정확도를 얻을 수 있습니다. 가장 정확한 것은 Qwen3-ASR 1.7B(4.3%)이지만, 처음에 약 5.2 GB를 내려받고 GPU 메모리를 약 5 GB 사용합니다. 스마트폰에서는 SenseVoice Small(9.0%)을 선택하세요.
스페인어·독일어 등 그 밖의 언어
WebGPU를 쓸 수 있는 PC에서는 Whisper Large v3 Turbo를 선택하세요. 스페인어에서는 Large v3(오류율 6.2%)보다 Turbo(4.4%)가 더 정확하고 처리 시간도 짧습니다. 스페인어에서 가장 정확한 것은 Qwen3-ASR 1.7B(4.1%)입니다. 스마트폰과 WebGPU를 쓸 수 없는 PC에서는 Whisper Small 이상을 선택하세요.
스마트폰
일본어·중국어·한국어·영어는 기본 설정인 SenseVoice Small을 선택하세요. 스마트폰에서는 Whisper를 가볍게 만든 버전(8비트)으로 처리하므로 Tiny의 일본어 오류율은 70%를 넘습니다. 그 밖의 언어에서는 Whisper Small이 가장 정확하지만, 처리에 음성 길이와 비슷하거나 더 긴 시간이 걸립니다. 긴 음성이라면 Whisper Base도 선택지가 됩니다.
WebGPU는 브라우저가 GPU를 사용해 계산하는 방식입니다. PC용 Chrome·Edge 등에서 쓸 수 있습니다.
텍스트 변환 도구 열기언어별 오류율
오류율은 인식 결과를 정답 문장과 비교해 틀린 비율입니다. 작을수록 정확하며, 일본어·중국어·한국어는 글자 단위, 영어·스페인어는 단어 단위로 셉니다. 언어마다 오류가 가장 적은 모델을 색으로 표시했습니다. 표는 WebGPU를 쓸 수 있는 PC에서 실행한 값입니다.
| 모델 | 일본어 | 영어 | 스페인어 | 한국어 | 중국어 |
|---|---|---|---|---|---|
| Haas-ja v1.0 | 5.2% | — | — | — | — |
| SenseVoice Small | 8.6% | 9.0% | — | 7.9% | 7.9% |
| Whisper Tiny | 44.4% | 16.0% | 21.1% | 20.4% | 30.1% |
| Whisper Base | 26.3% | 11.5% | 13.2% | 13.7% | 24.0% |
| Whisper Small | 14.1% | 7.3% | 7.6% | 7.2% | 14.5% |
| Whisper Medium | 8.7% | 5.7% | 5.3% | 5.7% | 9.8% |
| Whisper Large v3 Turbo | 8.9% | 5.8% | 4.4% | 5.0% | 9.9% |
| Whisper Large v3 | 6.9% | 5.6% | 6.2% | 4.6% | 11.5% |
| Qwen3-ASR 1.7B | 8.0% | 4.3% | 4.1% | 5.1% | 7.7% |
| Voxtral Mini 4B | 6.1% | — | — | — | — |
'—'는 이 도구에서 해당 언어로는 그 모델을 고를 수 없다는 뜻입니다. 낭독 음성으로 측정했기 때문에 잡음이 있는 녹음이나 여러 사람의 대화에서는 모든 모델의 오류율이 올라갑니다.
처리 시간과 다운로드 용량
처리 시간은 이 사이트의 측정용 PC(AMD Ryzen 7 8745H, 내장 GPU Radeon 780M)에서 1시간 분량의 음성을 텍스트로 변환하는 데 걸리는 시간의 기준입니다. 다운로드 용량은 처음에만 내려받는 양이며, 두 번째부터는 브라우저에 저장된 모델을 사용합니다.
| 모델 | 1시간 음성의 처리 시간 | 처음 다운로드 용량 | 동작 환경 |
|---|---|---|---|
| Haas-ja v1.0 | 약 2분 | 〜710 MB | WebGPU를 쓸 수 있는 PC(GPU 메모리 약 1 GB 사용) |
| SenseVoice Small | 약 7분 | 〜240 MB | PC·스마트폰(CPU로 처리) |
| Whisper Tiny | 약 5분 | 〜145 MB | PC·스마트폰 |
| Whisper Base | 약 6분 | 〜280 MB | PC·스마트폰 |
| Whisper Small | 약 10분 | 〜925 MB | PC·스마트폰 |
| Whisper Medium | 약 19분 | 〜650 MB | WebGPU를 쓸 수 있는 PC 권장(CPU로는 1시간 음성에 몇 시간이 걸립니다) |
| Whisper Large v3 Turbo | 약 16분 | 〜1.5 GB | WebGPU와 GPU의 16비트 연산(fp16)을 지원하는 PC 권장(지원하지 않으면 CPU로 처리해 몇 시간이 걸립니다) |
| Whisper Large v3 | 약 23분 | 〜2.0 GB | WebGPU와 GPU의 16비트 연산(fp16)을 지원하는 PC |
| Qwen3-ASR 1.7B | 약 19분 | 〜5.2 GB | WebGPU를 쓸 수 있는 PC(GPU 메모리 약 5 GB 사용) |
| Voxtral Mini 4B | 약 50분 | 〜2.9 GB | WebGPU와 GPU의 16비트 연산(fp16)을 지원하는 PC(GPU 메모리 약 5 GB 사용. 내장 GPU는 RAM 16 GB 이상) |
GeForce 등 외장 GPU를 탑재한 PC에서는 이보다 짧고, 오래된 PC에서는 길어집니다. SenseVoice Small은 GPU를 쓰지 않고 CPU로 처리합니다.
스마트폰과 WebGPU를 쓸 수 없는 PC의 경우
스마트폰과 WebGPU를 쓸 수 없는 PC에서는 Whisper를 가볍게 만든 버전(8비트)을 CPU로 실행합니다. 오류율은 PC의 GPU로 실행할 때보다 높아지며, 특히 Tiny는 크게 나빠집니다.
| 모델 | 일본어 | 영어 | 스페인어 | 한국어 | 중국어 | 1시간 음성의 처리 시간 | 처음 다운로드 용량 |
|---|---|---|---|---|---|---|---|
| SenseVoice Small | 8.6% | 9.0% | — | 7.9% | 7.9% | 약 7분 | 〜240 MB |
| Whisper Tiny | 70.5% | 28.3% | 31.5% | 30.2% | 51.0% | 약 10분 | 〜40 MB |
| Whisper Base | 31.2% | 12.1% | 14.0% | 15.2% | 25.1% | 약 15분 | 〜75 MB |
| Whisper Small | 14.8% | 7.6% | 7.7% | 7.4% | 14.3% | 약 45분 | 〜240 MB |
처리 시간은 측정용 PC의 CPU(1스레드) 값입니다. 스마트폰에서는 더 오래 걸립니다. Medium 이상의 Whisper는 CPU로 1시간 음성에 몇 시간이 걸립니다.
측정으로 알게 된 점
- 큰 모델일수록 정확한 것은 아닙니다. Whisper Large v3는 일본어·한국어에서는 Large v3 Turbo보다 정확하지만, 스페인어·중국어에서는 Turbo보다 오류가 많고 처리 시간은 약 1.4배입니다.
- 일본어와 중국어에서는 240 MB의 SenseVoice Small이 1.5 GB의 Whisper Large v3 Turbo와 비슷하거나 더 정확합니다(일본어 8.6% 대 8.9%, 중국어 7.9% 대 9.9%).
- Whisper Medium은 Large v3 Turbo와 거의 같은 정확도에, 다운로드 용량은 절반 이하입니다(650 MB 대 1.5 GB). 처리 시간은 Turbo의 약 1.2배입니다.
- Qwen3-ASR 1.7B는 영어·스페인어·중국어에서 오류가 가장 적은 모델입니다.
- 일본어에서 오류가 가장 적은 것은 Haas-ja v1.0(5.2%)으로, SenseVoice Small(8.6%)보다 오류가 약 40% 적습니다. 처리 시간도 SenseVoice Small의 약 3분의 1입니다.
- 스마트폰과 같은 CPU 경로에서는 Whisper Tiny의 오류율이 크게 오릅니다(일본어에서 44.4%에서 70.5%로). Small은 거의 변하지 않습니다.
측정 방법
- 음성은 Google이 공개한 다국어 음성 인식 평가용 데이터 FLEURS(낭독 음성)의 테스트용 분량에서 언어마다 100개 발화를 같은 간격으로 골랐습니다.
- 이 도구와 같은 프로그램(transformers.js 4.2.0), 같은 경량화 형식, 같은 처리(Whisper에 주는 초기 문장과, 결과가 비어 있던 구간의 재처리)로 브라우저 안에서 텍스트로 변환했습니다.
- 문장 부호·공백·전각과 반각의 차이를 없앤 뒤 정답 문장과 비교했습니다. 중국어는 간체자로 맞추고, 영어는 Whisper 평가에 쓰이는 표기 정규화를 거쳤습니다.
- 측정용 PC는 AMD Ryzen 7 8745H(내장 GPU Radeon 780M), 메모리 32 GB이며, 브라우저는 Chromium 153입니다. 처리 시간에는 모델을 불러오는 시간이 포함되지 않습니다.
- Haas-ja v1.0과 Voxtral Mini 4B는 일본어만, SenseVoice Small은 스페인어를 제외한 4개 언어만 측정했습니다(이 도구에서 고를 수 있는 언어만). Voxtral Mini 4B는 다른 모델의 전날에, Haas-ja v1.0은 2026년 11월 3일에 같은 PC·같은 음성으로 측정했습니다.
- Qwen3-ASR 1.7B는 타임스탬프를 붙이는 별도의 모델을 쓰므로, 그 처리를 포함하도록 이 도구의 화면에서 일본어 음성(108초)을 변환해 처리 시간을 측정했습니다.
자주 묻는 질문
큰 모델일수록 정확한가요?
꼭 그렇지는 않습니다. Whisper는 Tiny부터 Medium까지는 클수록 정확하지만, Large v3는 스페인어와 중국어에서 Large v3 Turbo보다 오류가 많았습니다. 일본어와 중국어에서는 작은 SenseVoice Small이 Turbo와 비슷한 정확도입니다.
스마트폰에서는 어떤 모델을 고르면 되나요?
일본어·중국어·한국어·영어는 SenseVoice Small을 선택하세요. 기본 설정도 이 모델입니다. 그 밖의 언어에서는 Whisper Small이 가장 정확하지만 처리에 시간이 걸리므로, 긴 음성이라면 Whisper Base도 선택지가 됩니다. Tiny는 오류가 많아 추천하지 않습니다.
기본 설정 모델은 어떻게 정해지나요?
선택한 언어와 기기 성능에 따라 자동으로 정해집니다. 일본어는 PC의 Chrome·Edge 등에서 WebGPU를 쓸 수 있고 메모리가 4 GB 이상이면 Haas-ja v1.0입니다(Apple 실리콘 Mac 제외). 스마트폰이나 Safari·Firefox 등 그 밖의 환경의 일본어와 중국어·한국어는 SenseVoice Small입니다. 영어와 그 밖의 언어는 GPU와 메모리에 맞춰 Whisper 중 하나가 선택됩니다. 영어에서 Whisper Base 이하가 선택되는 기기(스마트폰이나 내장 GPU PC 등)에서는 SenseVoice Small이 됩니다.
회의 녹음에서도 오류율이 같나요?
같지 않습니다. 이 측정은 한 사람이 낭독한 음성을 사용했기 때문에, 잡음이 있는 녹음이나 여러 사람의 대화에서는 모든 모델의 오류율이 올라갑니다. 모델끼리 비교하는 기준으로 활용하세요.
모델을 골라 텍스트로 변환하기
이 도구는 무료이며 회원 가입이 필요 없습니다. 오디오 파일은 브라우저 안에서 처리되며 기기 밖으로 나가지 않습니다.
텍스트 변환 도구 열기