아티클
전사를 위한 오디오 속도 감소
빠른 화자, 낯선 억양, 겹치는 여러 목소리는 전사를 막히게 하는 세 가지 주요 원인입니다. 녹음 속도를 늦추면 말한 내용을 파악할 시간이 생깁니다. 문제는 단순한 재생 속도 감소가 모든 목소리의 음조도 함께 낮춰서 오히려 말을 따라가기 더 어렵게 만든다는 것입니다. 이 글에서는 단순 속도 감소와 음조를 보존하는 시간 늘리기의 차이를 설명하고 실제로 도움이 되는 실용적인 속도 범위를 다룹니다.
속도를 늦추는 것이 도움이 되는 이유
인간의 말은 짧은 시간 안에 많은 정보를 전달합니다. 빠른 화자는 분당 200단어 이상을 말할 수 있으며, 그 속도에서 귀는 다음 음절이 도착하기 전에 개별 음소를 처리할 시간이 거의 없습니다. 오디오를 늦추면 뇌가 음절당 더 많은 처리 시간을 갖게 되며, 이는 세 가지 상황에서 가장 중요합니다. 예상하는 음소 매핑과 다른 낯선 억양의 화자, 모든 단어가 의미를 가지고 잘못 듣는 것이 오류를 만드는 기술적 내용, 그리고 귀가 별개의 흐름을 동시에 추적해야 하는 두 명 이상의 목소리가 겹치는 녹음입니다. 세 가지 경우 모두 목표는 없는 것을 듣는 것이 아니라 이미 녹음된 것을 정확히 들을 충분한 시간을 갖는 것입니다. 억양이나 기술적 내용에는 0.75x 재생 속도로도 충분한 경우가 많습니다. 0.5x 속도는 처음 몇 번의 시도에서 단어를 파악하지 못한 짧은 구간에 유용합니다.
속도와 음조: 단순 속도 감소가 효과 없는 이유
오디오를 늦추는 가장 간단한 방법은 녹음된 것보다 낮은 속도로 샘플을 재생하는 것입니다. 오래된 테이프 레코더가 속도를 늦추는 방식입니다. 테이프를 더 천천히 돌리면 재생 시간과 음조 모두 함께 낮아집니다. 0.75x에서 목소리는 단3도만큼 낮아집니다. 0.5x에서는 완전 옥타브가 낮아집니다. 결과는 말을 부자연스럽게 들리게 만드는 익숙한 느리고 낮은 왜곡이며, 모음을 구분하는 포먼트 주파수가 모두 낮아져 역설적으로 이해하기 더 어렵습니다. 올바른 접근법은 시간 늘리기입니다. 주파수를 변경하지 않고 오디오 재생 시간을 변경하는 것입니다. 모든 목소리의 음조는 동일하게 유지되고 음절이 도착하는 속도만 변합니다. 이것이 audio-speed 도구와 대부분의 전용 전사 소프트웨어에서 사용하는 방식입니다. 지각적 결과는 속도를 늦춘 녹음이 같은 화자가 더 천천히 말하는 것처럼 들린다는 것으로, 정확한 전사를 목표로 할 때 정확히 필요한 것입니다.
시간 늘리기의 작동 방식: atempo 방식
실용적인 오디오 도구에서 시간 늘리기에 가장 널리 사용되는 알고리즘은 위상 보코딩에 기반하며, ffmpeg에서의 일반적인 구현이 atempo 필터입니다. 입력 오디오는 각각 일반적으로 20~40밀리초의 짧은 겹치는 프레임으로 분할됩니다. 알고리즘은 인접 프레임 간의 위상 관계를 분석한 후, 연속 프레임이 올바르게 정렬되도록 위상을 조정하면서 변경된 속도로 새 프레임을 합성합니다. 결과는 재생 시간은 변경되었지만 주파수 내용은 변경되지 않은 연속적인 출력 신호입니다. 프레임이 인간 목소리의 일반적인 피치 주기에 비해 짧기 때문에 말의 기본 주파수는 늘리는 과정에서 보존됩니다. 이 알고리즘의 한 가지 부작용은 자음의 클릭과 같은 빠른 트랜지언트가 늘리기가 클 때 약간 흐려질 수 있다는 것인데, 이는 프레임 겹침 합성이 약간의 평균화를 도입하기 때문입니다. 이것은 구현의 결함이 아니라 오버랩-추가 계열 알고리즘의 고유한 특성입니다.
실용적인 속도 범위와 음질 한계
전사 작업에는 두 가지 속도 값으로 대부분의 실용적인 필요를 충족할 수 있습니다. 0.75x에서 말소리는 원래 재생 시간의 133%로 늘어납니다. 자음 클러스터와 빠른 모음 전환이 구분하기 쉬워지며, 변화가 작아 알고리즘이 인지할 만한 아티팩트를 거의 도입하지 않습니다. 대부분의 청취자는 문장의 자연스러운 리듬을 잃지 않고 이 속도로 말소리를 따라갈 수 있습니다. 0.5x에서는 오디오가 원래 길이의 두 배로 늘어납니다. 이는 단일 문장이나 짧고 어려운 구간에 유용하지만 몇 분 이상 지속적으로 듣기에는 너무 느립니다. 단어가 해결되기 전에 집중력이 떨어집니다. 0.5x 이하에서는 출력 품질이 눈에 띄게 저하됩니다. 오버랩-추가 합성이 지속되는 모음에 플러터링이나 위상 효과를 도입하기 시작하고, 운율을 담당하는 자음과 모음 사이의 타이밍 단서가 왜곡됩니다. ffmpeg의 atempo 필터는 단일 패스에서 최소 0.5x를 적용하며, 이는 이 음질 한계를 반영합니다. 0.5x 이하의 값은 두 패스를 연결해야 하며 아티팩트 수준이 그에 따라 올라갑니다. 거의 모든 전사 사용 사례에서 0.75x 또는 짧은 구간에서 최대 0.5x로 유지하면 깨끗하고 사용 가능한 출력이 생성됩니다.
audio-speed 도구로 로컬에서 처리하기
이 사이트의 audio-speed 도구는 WebAssembly로 컴파일된 ffmpeg을 사용하여 브라우저에서 완전히 실행됩니다. 오디오 파일을 페이지에 드롭하고 속도 배율을 설정하면 처리가 기기에서 이루어집니다. 녹음은 어떤 시점에도 기기를 벗어나지 않습니다. 업로드도, 서버도, 제3자 서비스도 없습니다. 이는 녹음된 대화, 인터뷰, 의료 구술, 법적 절차 및 오디오 내용이 민감한 기타 상황에서 중요합니다. 도구는 MP3, WAV, M4A, OGG, FLAC을 포함하여 ffmpeg이 처리하는 일반적인 오디오 형식을 허용합니다. 출력은 선택한 속도로 다운로드 가능한 파일입니다. 처리가 로컬에서 실행되므로 소요 시간은 파일 길이와 기기 속도에 따라 달라집니다. 몇 분의 오디오는 일반적으로 최신 노트북에서 1분 이내에 처리됩니다. 도구는 이 글에 설명된 동일한 atempo 필터를 사용하므로 위에 설명된 음질 특성이 출력에서 들리는 것에 직접 적용됩니다.
이 아티클의 도구
자주 묻는 질문
오디오 속도를 늦추면 음조도 바뀌나요?
방법에 따라 다릅니다. 단순 재생 속도 감소는 음조를 변경합니다. 0.5x에서 목소리는 완전 옥타브만큼 낮아집니다. audio-speed 도구는 시간 늘리기(atempo 필터)를 사용하여 음조를 변경하지 않고 재생 시간을 변경하므로 목소리는 원래 주파수로 유지됩니다.
여전히 깨끗하게 들리는 가장 느린 속도는 무엇인가요?
0.75x에서 대부분의 녹음에 대해 출력이 깨끗합니다. 0.5x에서는 짧은 구간에 대해 허용 가능합니다. 0.5x 이하에서는 오버랩-추가 알고리즘이 지속되는 모음과 자음 전환에 가청 아티팩트를 도입하기 시작합니다. 전사 작업에서 0.5x 이상을 유지하면 최상의 결과를 얻습니다.
audio-speed 도구를 사용할 때 파일이 업로드되나요?
아니요. audio-speed 도구는 브라우저에서 완전히 실행됩니다. 파일은 WebAssembly를 사용하여 기기에서 로컬로 처리됩니다. 어떤 서버로도 전송되지 않으므로 녹음 내용은 비공개로 유지됩니다.