음성 인식 엔진 비교
말하는 언어별로 인식 엔진을 선택할 수 있습니다. 상대를 인식하는 들리는 음성에도 같은 로컬 엔진을 씁니다.
고르기 어렵다면
| 말하는 언어 | 권장 |
|---|---|
| 일본어 | Parakeet 일본어 TDT 또는 Haas-ja |
| 영어 | Parakeet 영어 |
| 다른 언어 또는 자동 언어 감지 | Qwen3-ASR 또는 Whisper turbo |
| PC 성능이 낮을 때 | Web Speech(클라우드) |
엔진 목록
| 엔진 | 실행 위치 | 언어 | 다운로드 | 발화 길이 대비 시간 | 특징 |
|---|---|---|---|---|---|
| Parakeet 일본어 TDT | 이 PC | 일본어 | 약 1.0GB | 약 3.5% | 빠르고 정확하며 문장 부호 포함 |
| Haas-ja | 이 PC | 일본어 | 약 480MB | 약 13% | 일반 대화에서 Parakeet 일본어 TDT보다 약간 정확하며 한자·문장 부호도 직접 생성 |
| Parakeet 영어 | 이 PC | 영어 및 유럽 언어 | 약 670MB | 약 5% | 빠르며 문장 부호·대문자 포함. 일본어·중국어·한국어 미지원 |
| Qwen3-ASR | 이 PC | 일본어·영어·중국어·한국어 등 52개 언어 | 약 1.0GB | 약 10~20% | 하나의 모델로 다국어와 자동 언어 감지 |
| Whisper turbo | 이 PC | 일본어·영어·중국어·한국어 등 | 약 1.0GB | 약 30% | 자동 언어 감지, 다른 로컬 엔진보다 느림 |
| Web Speech(Microsoft) | 클라우드 | 다국어 | 없음 | — | 모델 다운로드 불필요, 인터넷 필요, 음성을 Microsoft로 전송 |
| Google(비공식·실험적) | 클라우드 | 다국어 | 없음 | — | 공식 API가 아니므로 예고 없이 중단될 수 있음. 음성을 Google로 전송 |
- 로컬 엔진은 GPU 없이 CPU만 쓰며 음성은 PC 밖으로 나가지 않습니다.
- 속도는 개발자 PC(Ryzen 7 7700)의 참고값입니다. 약 5%라면 10초 발화를 약 0.5초에 인식한다는 뜻입니다.
- Haas-ja의 약 13%는 기존 상대 측정(Parakeet 일본어 TDT의 약 3.6배)을 약 3.5% 기준으로 환산해 반올림한 값입니다.
- 언어를 자동으로 설정할 수 있는 것은 Qwen3-ASR와 Whisper turbo뿐입니다.
합성 음성 인식 결과
Qwen3-TTS·Irodori-TTS의 같은 음성을 각 엔진에 들려주고 원문과 비교했습니다. 엔진별 경향 차이를 보는 참고 자료입니다.
각 칸은 “평균 오류율 · 완전 일치 문장/30”입니다. 오류율은 낮을수록 정확합니다.
일본어(읽기 기준 비교)
Parakeet 일본어 TDT는 앱이 나중에 한자를 보정하므로 여기서는 양쪽을 히라가나로 바꾸어 비교합니다.
| 들려준 음성 | Whisper turbo | Qwen3-ASR | Parakeet 일본어 TDT | Haas-ja |
|---|---|---|---|---|
| Irodori-TTS | 5.6% · 25/30 | 13.8% · 21/30 | 6.9% · 20/30 | 4.5% · 25/30 |
| Qwen3-TTS | 14.9% · 23/30 | 17.3% · 19/30 | 11.1% · 23/30 | 9.7% · 23/30 |
다른 언어(Qwen3-TTS 음성)
| 언어 | Whisper turbo | Qwen3-ASR | Parakeet 영어 |
|---|---|---|---|
| 영어 | 2.1% · 27/30 | 0.8% · 28/30 | 2.9% · 25/30 |
| 중국어 | 5.4% · 25/30 | 0.3% · 29/30 | 미지원 |
| 한국어 | 2.4% · 27/30 | 4.0% · 24/30 | 미지원 |
| 독일어 | 3.9% · 26/30 | 4.4% · 25/30 | 4.7% · 23/30 |
| 스페인어 | 4.2% · 27/30 | 2.8% · 28/30 | 3.9% · 25/30 |
| 프랑스어 | 6.6% · 24/30 | 6.1% · 27/30 | 2.5% · 26/30 |
| 이탈리아어 | 6.4% · 24/30 | 11.2% · 21/30 | 5.9% · 21/30 |
| 포르투갈어 | 6.2% · 26/30 | 7.4% · 24/30 | 6.5% · 21/30 |
| 러시아어 | 2.6% · 26/30 | 9.3% · 22/30 | 4.4% · 25/30 |
결과의 한계
- 사람의 마이크 음성이 아닌 합성 음성 결과입니다. 실제 음성·잡음·말투에 따라 결과가 달라집니다.
- 언어별 일상 짧은 문장 30개이며 AI가 작성했고 원어민 검수는 없습니다.
- 일본어·중국어·한국어는 글자 단위, 나머지는 단어 단위로 계산하며 “3”과 “三” 같은 숫자 표기나 바꿔 말하기도 오류로 셉니다.
- 앱의 한자 변환·문장 부호 보정 등 후처리는 적용하지 않았습니다.
- 클라우드 엔진(Web Speech·Google)은 검사하지 않았습니다.