Whisper-WebUI: 자동 자막 생성 및 번역을 위한 완벽 가이드 (2025년 최신)

Whisper-WebUI: 자동 자막 생성 및 번역을 위한 완벽 가이드 (2025년 최신)

음성을 자동으로 텍스트화하고 자막을 생성하는 작업은 콘텐츠 제작자에게 필수적인 과정입니다. Whisper-WebUI는 OpenAI의 Whisper 모델을 웹 인터페이스로 쉽게 사용할 수 있게 해주는 강력한 도구입니다. 이 글에서는 Whisper-WebUI의 설치부터 고급 기능까지 상세히 알아보겠습니다.

📋 목차

1. Whisper-WebUI 개요
2. 설치 가이드
3. 실행 방법
4. 주요 기능 및 장점
5. 자막 번역 설정
6. Docker 및 Colab 환경에서 실행
7. 고급 사용법
8. FAQ

Whisper-WebUI 개요

Whisper-WebUI는 OpenAI의 Whisper 음성 인식 모델을 기반으로 하는 웹 기반 사용자 인터페이스로, 주로 다음과 같은 목적으로 사용됩니다:

• 비디오/오디오 파일의 자동 자막 생성
• 생성된 자막의 번역 지원
• 효율적인 음성-텍스트(STT) 변환

이 도구는 Gradio를 사용해 브라우저 기반 인터페이스를 제공하며, 특히 콘텐츠 제작자와 번역가에게 유용합니다.

설치 가이드

전제 조건

Whisper-WebUI를 사용하기 위해서는 다음 소프트웨어가 필요합니다:

• Git: 저장소 복제용
• Python 3.10-3.12: 호환 가능한 Python 버전
• FFmpeg: 오디오/비디오 처리에 필수

설치 단계

# 1. GitHub에서 저장소 클론
git clone https://github.com/jhj0517/Whisper-WebUI.git

# 2. 프로젝트 디렉토리로 이동
cd Whisper-WebUI

# 3. 필요한 종속성 설치
pip install -r requirements.txt

💡 팁: 가상 환경(venv)을 사용하면 시스템 Python 환경과 충돌 없이 설치할 수 있습니다.

실행 방법

Whisper-WebUI는 다음 두 가지 방법으로 실행할 수 있습니다:

1. 스크립트 사용

• Windows: start-webui.bat 실행
• Linux/macOS: start-webui.sh 실행

2. 명령줄 인수 사용

python app.py --host 0.0.0.0 --port 7860

더 많은 명령줄 옵션은 GitHub 위키에서 확인할 수 있습니다.

주요 기능 및 장점

faster-whisper 모델 사용

Whisper-WebUI는 기본적으로 faster-whisper를 사용하여 처리 속도와 자원 효율성을 극대화합니다:

모델 GPU 메모리 CPU 메모리 처리 시간

원본 Whisper	11,325MB	9,439MB	4분 30초
faster-whisper	4,755MB	3,244MB	54초

모델 다운로드 및 통합

• Hugging Face 저장소 ID를 입력하여 모델 자동 다운로드 지원
• 예: deepdml/faster-whisper-large-v3-turbo-ct2
• 사용자 정의 fine-tuned 모델을 models/Whisper/ 디렉토리에 배치 가능

자막 번역 기능

Whisper-WebUI는 Facebook NLLB 모델을 사용하여 다양한 언어로 자막을 번역할 수 있습니다. 이는 다국어 콘텐츠 제작자에게 특히 유용합니다.

자막 번역 설정

자막 번역 설정은 configs/translation.yaml 파일에서 관리할 수 있습니다. 기본적으로 다음과 같은 설정이 포함되어 있습니다:

# 번역 설정 예시
model: "facebook/nllb-200-distilled-600M"  # 사용할 번역 모델
source_language: "eng_Latn"  # 소스 언어 코드
target_language: "kor_Hang"  # 목표 언어 코드 (한국어)
batch_size: 8  # 배치 처리 크기

💡 참고: 번역 품질을 높이려면 더 큰 모델(예: facebook/nllb-200-3.3B)을 사용하세요.

Docker 및 Colab 환경에서 실행

Docker 설정

Docker를 통해 Whisper-WebUI를 실행하려면:

1. Docker Desktop 설치
2. 다음 명령어 실행:

# docker-compose.yaml 파일이 있는 디렉토리에서
docker-compose up -d

Colab 노트북

Google Colab에서 Whisper-WebUI를 실행하려면:

• Colab 노트북 링크 접속
• 노트북 지시에 따라 실행

이 방법은 고사양 GPU가 없는 사용자에게 특히 유용합니다.

고급 사용법

명령줄 인수 옵션

다양한 명령줄 인수를 통해 Whisper-WebUI의 동작을 조정할 수 있습니다:

python app.py --whisper_type "faster" --whisper_model "large-v3" --server_name "0.0.0.0" --port 8080

주요 인수 목록:

• --whisper_type: 사용할 Whisper 구현체 (기본값: "faster")
• --whisper_model: 사용할 모델 크기 (기본값: "large-v2")
• --server_name: 호스트 주소 (기본값: "127.0.0.1")
• --port: 포트 번호 (기본값: 7860)
• --diarize: 화자 구분 기능 활성화 (기본값: False)

백엔드 REST API 활용

Whisper-WebUI는 REST API를 통해 프로그래밍 방식으로 접근할 수 있습니다. API 경로는 다음과 같습니다:

• /api/transcribe: 음성-텍스트 변환
• /api/translate: 자막 번역
• /api/models: 사용 가능한 모델 목록

FAQ

Q: 어떤 모델 크기를 선택해야 할까요?

A: 일반적으로 "large-v3"가 정확도와 속도의 균형이 좋습니다. 리소스가 제한적이라면 "medium" 또는 "small"을, 최고의 정확도를 원한다면 "large-v3"를 권장합니다.

Q: GPU 없이도 사용할 수 있나요?

A: 네, CPU에서도 실행 가능하지만 처리 속도가 느립니다. 긴 영상에는 GPU 사용을 권장합니다.

Q: 지원되는 입력 파일 형식은 무엇인가요?

A: MP4, MP3, WAV, M4A 등 FFmpeg가 지원하는 대부분의 오디오/비디오 형식이 지원됩니다.

Q: 한국어 인식 정확도는 어떤가요?

A: Whisper 모델은 한국어를 포함한 다양한 언어에서 높은 정확도를 보이지만, 방언이나 전문 용어가 많은 경우 정확도가 떨어질 수 있습니다.

최종 요약 및 앞으로의 개발 계획

Whisper-WebUI는 효율적인 자동 자막 생성 도구로, faster-whisper의 도입으로 처리 속도와 메모리 효율성이 크게 향상되었습니다. 다양한 실행 옵션(Docker, Colab)과 번역 기능은 사용자 경험을 더욱 향상시킵니다.

향후 개발 계획에는 다음과 같은 기능이 포함되어 있습니다:

• DeepL API 통합
• NLLB 모델 개선
• UVR(Ultimate Vocal Remover) 통합
• 실시간 전사 기능