핵심 요약
두 시간짜리 녹음이라도 자동 변환 자체에 걸리는 시간은 전체 시간의 일부에 불과합니다. 소프트웨어가 걸림돌이 되는 경우는 거의 없습니다. 그날 저녁의 일정을 좌우하는 건 그 이후에 하는 교정 작업입니다. 검색용으로 대략적인 내용만 필요한 텍스트라면 다듬을 게 거의 없지만, 인용하거나 공개할 텍스트라면 오디오를 다시 들으며 이름, 숫자, 겹치는 발화까지 하나하나 바로잡아야 합니다. 직접 타이핑으로 옮기면 녹음 길이의 몇 배가 걸리고, 음질이 나쁠수록 더 오래 걸립니다. 시간을 들여야 할 곳은 소프트웨어가 아니라 교정 작업입니다.
보통 사람이 말하는 속도로 두 시간을 채우면 대략 만 육천에서 만 팔천 단어 분량이 나옵니다. 짧은 책 한 권과 비슷한 길이입니다. 이 숫자만 봐도 그날 저녁에 뭘 해야 할지 감이 옵니다. 이걸 처음부터 끝까지 그대로 읽고 싶은 사람은 없고, 다른 방법이 있다면 처음부터 손으로 타이핑하고 싶은 사람도 거의 없습니다.
이 작업이 얼마나 걸리는지에 대한 솔직한 답은 내가 조절할 수 있는 두 가지와, 조절할 수 없는 한 가지에 달려 있습니다. 오디오 상태가 얼마나 깨끗한지, 완성된 텍스트가 얼마나 정확해야 하는지, 그리고 실제로 내가 얼마나 빨리 타이핑하거나 들을 수 있는지입니다. 소프트웨어는 이 방정식의 한 부분만 바꿔줄 뿐, 나머지 두 가지에는 손을 대지 못합니다.
먼저 계산부터 해보기
발표나 강연은 보통 1분에 130~150단어 속도로 진행됩니다. 대화는 이보다 빠르고 훨씬 불규칙합니다. 사람들이 서로 말을 자르고, 문장을 다시 시작하고, 말끝을 흐리기 때문입니다. 강연 속도를 기준으로 하면 한 시간짜리 발화는 대략 팔천에서 구천 단어가 됩니다. 두 시간이면 이 수치가 두 배가 되어 만 육천에서 만 팔천 단어 분량의 텍스트가 나오고, 한 사람이 아니라 여러 명이 대화하는 상황이라면 그보다 더 늘어납니다.
이건 텍스트를 어떤 방식으로 만들지 정하기도 전에 미리 알아둘 수 있는 숫자입니다. 본격적으로 시작하기 전에 자기 녹음 파일의 단어 수를 대략이라도 파악하고 싶다면, 발화 시간 계산기를 이용하면 1분 안에 확인할 수 있습니다. 저녁 시간을 쓰기 전에 미리 해두는 게 좋은데, 15분짜리 클립과 두 시간짜리 회의 녹음은 실제로 재보기 전에는 비슷해 보여도 완전히 다른 작업이기 때문입니다. 이 계산은 발화 시간 계산기로 확인할 수 있습니다.
직접 타이핑하면 생각보다 훨씬 오래 걸립니다
오늘 저녁에 직접 타이핑으로 옮길지 고민하고 있다면, 시작하기 전에 실제 배수를 알아두는 게 좋습니다. 직접 타이핑으로 옮기면 녹음 길이의 몇 배가 걸리는데, 타이핑 자체가 느려서가 아니라 말하는 속도로 들으면서 동시에 정확하게 타이핑할 수 없기 때문입니다. 오디오를 멈추고, 몇 초 되돌리고, 들은 내용을 타이핑하고, 다시 재생하는 과정을 계속 반복하게 됩니다. 이 과정은 낯선 용어가 나오거나, 말이 빨라지거나, 두 사람이 동시에 말하는 순간이 나오면 더 심해집니다.
이 배수는 오디오가 어려워질수록 줄어드는 게 아니라 늘어납니다. 평범한 대화 속도의 깨끗한 인터뷰라면 멈추고 되돌리는 시간을 다 합쳐도 원래 길이의 세네 배 정도로 끝날 수 있습니다. 하지만 잘 모르는 전문 용어로 가득한 강연이라면 이보다 훨씬 오래 걸립니다. 원래는 그냥 받아 적었을 부분에서까지 철자와 표현을 확인하려고 계속 멈추기 때문입니다. 두 시간짜리 녹음을 손으로 옮기는 건 하루 저녁에 끝낼 일이 아닙니다. 여러 날에 걸친 작업이고, 시작하고 한 시간 뒤에 깨닫기보다는 미리 알아두는 게 낫습니다.
자동 변환은 느려지는 게 아니라 정확도가 떨어집니다
처음 써보는 사람이 놀라는 부분이 여기입니다. 자동 변환은 오디오가 어려워도 시간이 더 걸리지 않습니다. 조용한 방에서 한 사람이 또렷하게 말한 녹음이든, 통화 품질이 나쁜 상태에서 세 사람이 언쟁하는 녹음이든 처리 시간은 거의 비슷합니다. 오디오가 어려워질 때 바뀌는 건 처리 시간이 아니라 결과물의 정확도입니다.
이건 좋은 소식이자 동시에 나쁜 소식입니다. 좋은 소식은, 상황이 나쁘다고 해서 더 오래 기다릴 필요가 없다는 겁니다. 소프트웨어는 정해진 시간 안에 끝냅니다. 나쁜 소식은, 앞에서 절약된 시간이 사라지는 게 아니라 뒤로 넘어가서 교정 작업의 분량으로 바뀐다는 겁니다. 음성을 텍스트로 변환하는 서비스라면 두 시간짜리 파일도 빠르게 완성된 문서로 돌려줍니다. 그 문서가 거의 완성본에 가까운지, 아니면 꼼꼼히 다시 봐야 하는지는 전적으로 마이크에 담긴 소리 상태에 달려 있고, 소프트웨어가 어떻게 처리했는지와는 무관합니다.
결국 저녁 시간을 좌우하는 건 교정 작업입니다
아무도 미리 계산해두지 않는 숫자가 바로 이겁니다. 하지만 가장 중요한 숫자이기도 합니다. 나중에 검색해서 찾아보려고, 예를 들어 누가 날짜를 언급한 부분이나 어떤 결정이 내려진 부분을 훑어보려고 만드는 텍스트라면 교정이 거의 필요 없습니다. 어차피 내용을 대략 알고 있으니 작은 오류는 그냥 넘기게 됩니다. 두 시간짜리 녹음이라면 이런 용도로는 훑어보고 쓸 만한지 확인하는 데 20분 정도면 충분합니다.
인용하거나 공개하거나, 그 자리에 없었던 누군가에게 넘겨줄 텍스트라면 완전히 다른 작업입니다. 이 경우에는 오디오를 다시 들으면서 문장 하나하나를 대조해야 합니다. 인용문에 들어간 오류는 개인 메모에 들어간 오류와는 무게가 다르기 때문입니다. 두 시간짜리 원본 오디오라면 이렇게 꼼꼼하게 대조하는 작업만 해도 거의 두 시간이 걸리고, 내용이 밀도 있거나 전문적이면 그보다 더 걸릴 수도 있습니다.
다행히 오류가 녹음 전체에 골고루 퍼져 있지는 않습니다. 이름, 전문 용어, 숫자, 그리고 여러 사람이 동시에 말하는 부분에서 자동 변환이 실제로 틀립니다. 두 시간짜리 녹음의 대부분은 거의 정확하게 돌아오고, 두 사람이 겹쳐서 말했거나 누가 숫자를 빠르게 말한 몇 분 정도만 실제로 손봐야 합니다. 그 몇 분이 대략 어디쯀인지 알면 문서를 처음부터 끝까지 다시 읽지 않고 바로 그 부분으로 갈 수 있습니다. 녹음 길이와 텍스트를 실제로 어디에 쓸지를 바탕으로 변환 시간 계산기에 미리 입력해보면, 시작하기 전에 어림짐작한 것보다 훨씬 현실에 가까운 계획을 세울 수 있습니다.
파일을 나눠도 총 작업 시간은 줄지 않지만, 저녁 시간은 지킬 수 있습니다
두 시간짜리 녹음을 변환하기 전에 30분짜리 네 개로 잘라도 전체 작업 시간이 빨라지지는 않습니다. 앞에서 계산한 내용은 그대로입니다. 파일을 어떻게 나누든 결국 두 시간 분량을 변환하고, 필요한 부분을 교정해야 합니다. 바뀌는 건 작업을 중간에 멈출 수 있는지 여부입니다.
두 시간짜리 파일 하나는 사실상 한 번에 끝내야 하는 작업입니다. 나중에 다시 열면 끊어지는 부분 없이 이어진 텍스트 속에서 어디까지 했는지 다시 찾아야 하기 때문입니다. 반면 네 개로 나눠두면 네 번에 걸쳐 나눠서 할 수 있습니다. 오늘 저녁에 하나, 내일 하나, 나머지는 다음 주에 끝내도 어디서 멈췄는지 놓치지 않습니다. 이 정도 길이의 녹음이라면, 대부분의 사람에게 한 번에 다 끝내는 건 애초에 무리이기 때문에, 병렬로 처리해서 얻는 속도보다 중간에 멈출 수 있다는 점이 훨씬 중요합니다. 교정 작업을 제대로 하려면 한 번에 앉아서 끝내겠다는 기대보다는 나눠서 하겠다는 계획을 세우는 게 좋습니다.
파일을 직접 나눠서 관리할 필요 없이 전체 파일을 한 번에 처리해주는 앱도 알아둘 만한 선택입니다. 이 변환 앱은 iOS, Android, macOS용으로 다운로드 페이지에서 받을 수 있고, 오디오, 비디오, 녹음 파일이나 유튜브 링크를 입력하면 화자 구분, 요약, 여러 언어로의 번역이 포함된 텍스트를 돌려줍니다. 앞에서 설명한 여러 방법 중 하나일 뿐, 교정 작업 자체를 건너뛸 수 있는 지름길은 아닙니다.
현실적으로 기대할 수 없는 부분
자동 변환은 직접 알려주지 않으면 화자의 이름을 알지 못합니다. 추측할 방법이 없으니 이름 대신 라벨을 붙이고, 누군가 고쳐주기 전까지는 그 상태로 남습니다. 또 한 번도 본 적 없는 이름의 철자, 특정 분야에서만 쓰는 용어, 빠른 문장 중간에 튀어나오는 숫자는 제대로 잡아내지 못하는 경우가 많습니다. 이런 부분이 바로 교정 작업이 항상 몰리는 지점이고, 처리 능력이 아무리 좋아져도 피해갈 수 없습니다.
여러 사람이 동시에 말하는 부분은 어떤 방법을 쓰든 거의 복구가 안 됩니다. 두 사람이 겹쳐서 말하면 자동 변환도, 직접 타이핑하는 사람도 그중 일부를 놓칩니다. 소프트웨어는 한쪽 발화만 붙잡고 나머지를 놓치고, 직접 타이핑하는 사람도 같은 문제를 겪습니다. 다만 훨씬 느릴 뿐입니다. 두 시간짜리 녹음에 겹치는 대화가 길게 이어지는 구간이 있다면, 그 구간만큼은 따로 교정 시간을 더 잡아두어야 합니다. 어떤 방법을 쓰든 두 사람의 발화를 동시에 깨끗하게 옮겨주리라고 기대하지 않는 게 좋습니다.
두 시간이라는 기준 자체도 출발점일 뿐, 보장된 숫자는 아닙니다. 속도가 일정하고, 화자가 한 명이고, 익숙한 용어로 이루어진 녹음이라면 여기서 설명한 모든 단계를 더 빠르게 지나갈 수 있습니다. 반대로 세 사람이 말하고, 마이크 상태가 나쁘고, 잘 모르는 주제를 다루는 녹음이라면 훨씬 오래 걸립니다. 위의 계산은 그날 저녁의 계획을 세우는 데 도움을 줄 뿐, 한 번에 다 끝낸다는 보장은 아닙니다.
