클로바노트 대안 찾기 — 음성 텍스트 변환 도구 5종 비교

회의 녹음이나 강의 녹음을 텍스트로 바꾸는 작업은 이제 흔한 일이 됐습니다. 국내에서는 클로바노트가 사실상 기본값처럼 쓰이지만, 월 사용 시간 한도에 걸리거나 녹음 파일을 외부 서버에 올리는 게 걸려 대안을 찾는 경우가 적지 않습니다.

대안을 고를 때 봐야 할 축은 세 가지입니다. 처리 위치(서버인가 기기인가), 비용 구조(시간제인가 정액제인가), 후처리 기능(화자 분리, 요약, 타임코드).

처리 위치가 나머지를 결정합니다

먼저 이 구분을 잡아두면 나머지 판단이 쉬워집니다.

서버형은 녹음 파일을 업로드해 원격에서 처리합니다. 큰 모델을 쓸 수 있어 정확도가 높고, 화자 분리나 요약 같은 부가 기능이 붙습니다. 대신 파일이 기기를 떠나고, 처리량에 따라 과금됩니다.

온디바이스형은 기기 안에서 처리합니다. 파일이 나가지 않고 네트워크도 필요 없습니다. 대신 기기 성능에 묶이고, 긴 파일에서는 처리 시간이 길어집니다. 부가 기능도 적습니다.

민감한 내용이 담긴 녹음이라면 이 구분이 기능 비교보다 우선합니다.

유형별 특징

국내 서버형 서비스

클로바노트가 대표적입니다. 한국어 인식률이 높고 화자 분리와 요약이 붙어 있습니다. 무료 사용 시간에 한도가 있고, 초과분은 유료입니다. 회의록 용도로는 가장 손이 덜 갑니다.

해외 서버형 서비스

Otter, Rev 같은 서비스들입니다. 영어 인식률과 후처리 품질이 좋습니다. 한국어는 서비스마다 지원 수준 차이가 큽니다. 결제가 달러 기준이고 인터페이스가 영어인 점은 감안해야 합니다.

오픈소스 모델 직접 구동

Whisper 계열 모델을 PC에서 직접 돌리는 방식입니다. 사용량 제한이 없고 파일이 외부로 나가지 않습니다. 대신 설치 과정이 있고, GPU가 없으면 처리가 상당히 느립니다. 다룰 줄 아는 사람에게는 가장 비용 효율이 좋습니다.

운영체제 내장 엔진

iOS와 안드로이드에는 음성 인식 엔진이 내장돼 있습니다. 앱이 이 엔진을 불러 쓰면 별도 서버 없이 변환이 됩니다. 무료이고 오프라인에서 동작합니다. 정확도는 서버형보다 낮지만 짧은 음성에서는 실용적인 수준입니다. 자세한 차이는 온디바이스 음성 인식 비교에서 다뤘습니다.

앱 내장 변환 기능

플레이어나 노트 앱이 변환 기능을 품고 있는 경우입니다. 별도 도구를 거치지 않고 파일을 연 자리에서 바로 텍스트를 만들 수 있습니다. Loop Note는 기기에 저장된 오디오·영상 파일에 대해 내장 엔진으로 자막을 만들고, 만들어진 문장을 시간축에 붙여 보여주는 방식을 씁니다 (Google Play). 회의록 작성보다는 특정 구간을 다시 듣는 용도에 맞춰져 있습니다.

비교표

고르는 순서

회의록을 자주 만든다 → 화자 분리와 요약이 붙은 서버형이 결국 시간을 아껴줍니다.

녹음 내용이 민감하다 → 온디바이스형이나 직접 구동으로 좁히세요. 정확도를 조금 포기하는 대신 파일이 나가지 않습니다.

분량이 많고 반복적이다 → 오픈소스 직접 구동이 장기적으로 가장 쌉니다. 초기 설치 시간을 투자할 가치가 있습니다.

특정 구간을 다시 들으려는 목적이다 → 전체 텍스트를 뽑는 것보다, 시간축에 문장이 붙는 형태가 실용적입니다.

정확도를 올리는 공통 요령

어떤 도구를 쓰든 입력 품질이 결과를 좌우합니다. 녹음 단계에서 마이크를 화자 쪽에 가깝게 두고, 에어컨이나 환풍기 소음을 줄이면 인식률이 눈에 띄게 올라갑니다. 이미 녹음된 파일이라면 변환 전에 볼륨 정규화를 한 번 거치는 것만으로도 결과가 달라집니다.

고유명사와 전문 용어는 어떤 엔진에서도 틀립니다. 사전 등록 기능이 있는 도구라면 미리 넣어두고, 없다면 변환 후 일괄 치환으로 정리하는 편이 빠릅니다.

정리

클로바노트가 불편해진 이유가 무엇인지부터 정하면 대안이 좁혀집니다. 시간 한도가 문제라면 직접 구동을, 파일이 서버로 가는 게 걸린다면 온디바이스를, 기능이 모자란다면 해외 서버형을 보면 됩니다. 하나로 다 되는 도구는 없습니다.