긴 녹음 전사하기: 운에 맡기지 말고 제대로 나누세요
2026년 8월 19일 · 8 분 읽기
두 시간짜리 강의와 하루 종일 이어지는 학회는 알맞은 지점에서 미리 잘라 두면 훨씬 안정적으로 전사됩니다. 어디서 나눌지, 나눈 뒤 타임스탬프를 어떻게 맞출지, 실제 작업을 수행하는 명령어를 정리했습니다.
90분짜리 강의, 학회 하루치, 길게 이어지는 인터뷰. 정기적으로 전사하기 시작하면 이런 녹음은 흔합니다. 한 덩어리 파일을 모델에 통째로 보내면 편해 보이지만, 80분째에 실패하면 파일 전체를 잃고, 전사본이 읽기 힘든 텍스트 덩어리가 되고, 사용 가능량을 다 써 버릴 수도 있습니다. 먼저 나누는 편이 더 빠릅니다. 실수해도 잃는 것은 몇 분이지 두 시간이 아닙니다.
언제 나누는 것이 정말 도움이 될까?
모든 긴 파일을 잘라야 하는 것은 아닙니다. 세 가지 질문으로 판단하세요. 파일이 서비스 제한에 맞는지, 전체 길이에 걸쳐 화자 표시를 일관되게 유지해야 하는지, 다시 실행해야 할 때 얼마나 번거로운지입니다. Sprechverlauf 무료 체험은 10분 이하 파일을 대상으로 하고, 요금제는 한 번에 최대 4시간까지 허용합니다. 긴 녹음은 어차피 내부에서 30분 구간으로 나뉘어 처리됩니다. 구간을 따로 저장하고 싶거나 한 구간만 다시 전사하고 싶다면, 직접 나누는 것이 여전히 유용합니다.
| 녹음 길이 | 권장 방법 | 이유 |
|---|---|---|
| 30분 이하 | 나누지 말고 한 파일로 두기 | 파일 하나에 들어가고, 처음부터 끝까지 화자 표시가 일관되게 유지됨 |
| 30~60분 | 두 부분으로 나누고 일시 정지 구간에서 자르기 | 한 부분만 전체를 다시 처리하지 않고도 재실행할 수 있음 |
| 1~3시간 | 20~30분 단위 구간으로 나누기 | 안건, 휴식 시간, 주제 전환에 맞출 수 있음 |
| 학회 하루 전체 | 발표 또는 세션마다 파일 하나씩 | 각 구간이 알맞게 이름 붙은 전사본을 따로 가짐 |
| 긴 침묵이 있는 녹음 | 먼저 무음 구간 제거 | 처리 시간을 줄이고 텍스트 없는 구간이 생기지 않게 함 |
원칙은 하나: 문장 중간에서 자르지 않기
음성 인식은 문맥을 바탕으로 작동합니다. 문장 한가운데를 자르면 양쪽 모두 맥락을 잃습니다. 첫 부분은 말이 끊기고, 둘째 부분은 앞뒤 설명 없이 시작합니다. 이 문제는 전문 용어와 고유명사에서 가장 크게 나타납니다. 모델이 주변 단어에 가장 많이 기대는 부분이기 때문입니다. 대신 일시 정지 구간에서 자르세요. 가능하다면 주제가 어차피 바뀌는 지점이 가장 좋습니다.
- 안건, 슬라이드, 질의응답 라운드 사이에서 자르기
- 이음새에서 단어가 사라지지 않도록 2~3초씩 겹치게 두기
- 인사, 음향 점검, 작별 인사는 아예 제외하기
- 음악만 나오는 부분, 박수, 준비 과정은 미리 제거하기
- 구간 이름은 순서대로 붙이세요: “lecture-01”, “lecture-02”처럼 쓰고, “new”나 “new-final”은 쓰지 마세요.
ffmpeg로 나누기: 명령어 두 개면 충분합니다
ffmpeg는 무료이고 어디서나 실행되며, 요청하지 않는 한 오디오를 다시 인코딩하지 않습니다. 아래 명령은 파일을 25분(1500초) 구간으로 나누고 오디오는 건드리지 않습니다:
- ffmpeg -i lecture.m4a -f segment -segment_time 1500 -c copy part_%02d.m4a
- ffmpeg -i lecture.wav -ac 1 -b:a 64k lecture.mp3 (나누기 전에 음성 녹음을 크게 줄입니다)
- ffmpeg -i lecture.m4a -ss 00:12:30 -to 00:41:00 -c copy excerpt.m4a (특정 구간 하나만 잘라냅니다)
모노 64 kbit/s는 과감해 보이지만 음성에는 문제가 없습니다. 모델에는 스테레오 폭이나 음악 수준의 해상도가 필요하지 않습니다. 한 시간 분량의 말소리는 약 30MB에 여유 있게 들어갑니다. 원본은 보관하고 작은 복사본으로 작업하세요. 나누는 대상은 언제나 복사본이고, 원본은 나누지 마세요.
명령줄 없이 나누기
터미널을 열고 싶지 않다면 Audacity로도 같은 결과를 얻을 수 있습니다. 파일을 열고 구간을 선택한 다음 “File → Export → Export Selected Audio”(파일 → 내보내기 → 선택 오디오 내보내기)를 누르세요. 이 작업에서는 파형 화면이 명령줄보다 확실히 낫습니다. 일시 정지가 좁은 구간으로 보여서 자를 지점을 짐작하지 않고 직접 볼 수 있기 때문입니다. 휴대폰에서는 기본 제공 음성 메모 앱으로도 같은 작업을 할 수 있지만, 정밀도는 떨어집니다.
나눈 뒤: 타임스탬프가 0에서 다시 시작합니다
모든 전사본은 각자 파일의 시작점부터 시간을 셉니다. 그래서 강의의 둘째 구간은 실제로는 25분 지점부터 시작하는데도 다시 00:00에서 시작합니다. 구간을 합칠 때는 모든 타임스탬프에 시작 오프셋을 더해야 합니다. 그렇지 않으면 참조한 모든 위치가 틀린 곳을 가리킵니다. SRT와 VTT 파일은 대부분의 자막 편집기에서 “shift” 또는 “offset times”라는 기능으로 처리할 수 있습니다.
- 원본 파일을 놓치기 전에 각 구간의 시작 오프셋을 적어 두기
- 텍스트 내보내기 파일을 합칠 때 구간마다 소제목 추가하기
- 인용할 때는 구간 번호와 시간을 함께 적기, 예: “2구간, 07:41”
- 시간을 이동한 뒤에만 자막 합치기
화자 표시는 구간을 넘어 이어지지 않습니다
화자 감지는 파일마다 따로 분석합니다. 첫 구간의 “Speaker 1”과 둘째 구간의 “Speaker 1”이 같은 사람이라는 보장은 없습니다. 두 번의 실행이 서로를 알지 못하기 때문입니다. 이것은 방식의 특성이지 버그가 아닙니다. 실무에서는 각 구간의 처음 몇 초를 들어 보고, 구간을 합치기 전에 일반적인 표시를 실제 이름으로 바꾸세요.
화자 귀속의 일관성이 무엇보다 중요한 경우, 예컨대 청문회나 참가자 여섯 명이 참여하는 그룹 토론이라면 아예 나누지 않는 편이 낫습니다. 화자 수를 직접 지정하고 추가 처리 시간을 감수하는 것이 좋은 선택입니다.
실제로 쓸 수 있는 작업 순서
- 원본을 보관하고 모노 MP3로 작업용 복사본 만들기
- 녹음을 한 번 훑어보고 일시 정지 지점에 자를 위치 표시하기
- 20~30분 구간으로 나누고 순서대로 번호 붙이기
- 구간을 하나씩 전사하기, 먼저 언어와 핵심 용어 설정하기
- 구간마다 화자 표시를 실제 이름으로 바꾸기
- 타임스탬프를 시작 오프셋만큼 이동하고 텍스트 합치기
- 숫자, 이름, 인용문을 오디오와 대조해 샘플 확인하기