홈 › 온디바이스 음성 인식이란

용어 해설

온디바이스 음성 인식이란? (로컬·오프라인 처리의 구조)

온디바이스 음성 인식이란, 음성을 텍스트로 바꾸는 처리를 내 컴퓨터 안에서만 실행하는 방식을 말합니다. 한국어 글에서는 '로컬 음성 인식', '오프라인 음성 인식'과 거의 같은 뜻으로 쓰입니다. 음성 데이터를 어딘가의 서버로 보내지 않기 때문에 인터넷이 없어도 동작하고, 계정을 만들 필요도 없습니다.

온디바이스, 로컬, 오프라인 — 같은 것을 가리키는 말

온디바이스 음성 인식은 말소리를 글자로 바꾸는 계산을 내 컴퓨터 안에서만 끝내는 방식입니다. 국내에서는 스마트폰 제조사들이 '온디바이스 AI'라는 표현을 널리 쓴 덕분에 용어 자체는 익숙해졌지만, 같은 것을 가리키는 말이 몇 가지 더 돌아다닙니다. 로컬 음성 인식, 오프라인 음성 인식, 기기 내 처리 — 모두 인식 모델이 돌아가는 장소가 손에 있는 기기 그 자체라는 뜻입니다.

반대말은 클라우드 음성 인식입니다. 녹음 파일을 인터넷으로 사업자의 서버에 올리고, 서버에서 변환한 결과만 돌려받는 방식이죠. 웹 브라우저에서 파일을 올리는 변환 사이트, 회의에 참가자로 들어오는 봇 형태의 서비스가 모두 여기에 해당합니다.

여기서 오해가 자주 생깁니다. '암호화해서 전송한다'는 온디바이스가 아닙니다. 전송 구간이 암호화되어 있어도 음성 자체는 상대편 서버에 도착합니다. 온디바이스에서는 전송이라는 공정이 아예 존재하지 않습니다. 그래서 비교의 축이 '얼마나 안전하게 보내는가'에서 '애초에 보내지 않는다'로 바뀝니다. 이 차이가 실무에서 왜 중요한지는 아래에서 하나씩 보겠습니다.

어떤 구조로 동작하나

순서 자체는 단순합니다.

• 인식 모델(음성 파형을 문자열로 바꾸도록 학습된 파일)을 기기에 미리 내려받습니다. 인터넷이 필요한 것은 이때뿐입니다.
• 변환을 실행하면 그 모델을 맥의 메모리에 올리고, Apple Silicon의 GPU로 계산합니다.
• 계산이 끝나면 텍스트가 손에 남고, 모델은 다음 차례까지 디스크에서 대기합니다.

클라우드 방식과 나란히 놓으면 거치는 단계 수가 눈에 띄게 줄어듭니다.

• 클라우드: 녹음 → 파일 업로드 → 서버 대기열 → 변환 → 결과 내려받기 → 서버에 음성과 텍스트가 남음(보관 기간은 사업자마다 다름)
• 온디바이스: 녹음 → 기기 안에서 변환 → 끝. 음성도 텍스트도 처음부터 끝까지 기기 안에 있음

첫 모델 내려받기 이후에는 비행기 안에서도, 외부망이 끊긴 사내 PC에서도 똑같이 동작합니다. 서버 대기열이 없으니 '오늘은 사람이 몰려서 느리다'는 상황도 생기지 않고, 처리 시간은 오직 맥의 성능과 녹음 길이에만 좌우됩니다.

클라우드 음성 인식과의 차이

공평하게 적어 두면, 클라우드 방식에도 분명한 장점이 있습니다. 수백 시간짜리 음원을 하룻밤에 처리해야 하거나, 브라우저만으로 끝내야 하거나, 여러 명이 같은 원고를 함께 고쳐야 하는 용도라면 클라우드 쪽이 낫습니다. 온디바이스가 강한 조건은 음성을 밖으로 내보낼 수 없다, 인터넷이 없다, 종량 과금이 얼마나 쌓일지 모르겠다 이 세 가지입니다.

계정 가입이 필요 없다는 것의 실무적 의미

국내 회사에서 특히 크게 작용하는 부분입니다. 클라우드 서비스를 업무에 쓰려면 대개 이용 신청, 약관 검토, 정보보호 담당 부서의 승인이라는 절차가 붙습니다. 녹음에 거래처나 고객의 목소리가 들어 있으면 '이 음성을 외부 사업자에게 맡겨도 되는가'라는 질문이 한 단계 더 생기고, 답을 얻는 데 며칠이 걸리기도 합니다.

기기 안에서 끝나는 앱은 그 논점 자체가 발생하지 않습니다. 계정도, 업로드도, 보관 기간을 확인할 대상도 없기 때문입니다.

다만 이것은 구조에 대한 설명일 뿐, 관련 법령이나 지침의 준수·인증을 보장하는 말이 아닙니다. 사내에서 다룰 수 있는 정보의 구분이 규정으로 정해져 있다면 법무·정보보호 담당 부서에 확인하시기 바랍니다.

외부망이 없는 PC에서도 되는가

금융·공공·대기업에서는 업무망과 인터넷망을 분리해 두는 경우가 흔합니다. 이런 환경에서는 웹 기반 변환 서비스가 애초에 열리지 않기 때문에, 녹음을 개인 휴대폰으로 옮겨 처리하는 우회 행위가 오히려 늘어나기도 합니다.

온디바이스 방식은 최초 한 번 모델 파일을 확보한 뒤에는 인터넷에 연결되지 않은 기기에서도 동일하게 동작합니다. 다시 말해 모델을 받아 둔 맥이라면 그 뒤로는 네트워크가 없어도 변환이 됩니다. 다만 이 문장은 동작 조건에 대한 설명이지, 특정 보안 환경에 대한 인증이나 적합성 판정이 아닙니다. 도입 가능 여부는 해당 조직의 규정과 담당 부서의 판단에 따릅니다.

정확도는 클라우드보다 떨어지나

예전에는 무거운 계산은 서버가 맡고 기기에서는 가벼운 축소판을 돌린다는 구분이 있었습니다. Apple Silicon의 GPU에서 큰 모델을 그대로 돌릴 수 있게 되면서 그 전제가 바뀌었습니다. 일상적인 회의 녹음이나 인터뷰 음원 수준이라면 실사용에서 체감할 만한 차이는 거의 없습니다.

정확도는 방식보다 음원의 품질에 훨씬 크게 좌우됩니다. 아래 조건이 갖춰졌는지에 따라 결과가 크게 달라집니다.

• 말하는 사람의 입과 마이크의 거리(회의실 가운데 놓은 마이크 하나는 불리합니다)
• 공조기, 프로젝터 팬, 옆 회의실 소음이 섞이지 않았는지
• 여러 명이 동시에 말하는 구간이 많지 않은지
• 사람 이름, 부서명, 사내 약어가 많지 않은지 — 이 부분은 어떤 방식이든 사람 손이 필요합니다
• 한국어 문장 안에 영어 단어를 섞어 쓰는 회의인지(국내 업무 대화에서 흔하며, 표기 흔들림이 생기기 쉬운 지점입니다)

클라우드로 바꾼다고 해결되는 항목이 거의 없습니다. 대부분은 녹음하는 방법을 바꾸는 편이 훨씬 효과가 큽니다.

기기에서 돌릴 때 실제로 신경 쓰이는 것

구조 설명만으로는 감이 잘 오지 않는 부분이 있어 따로 정리합니다. 계산을 남의 서버가 아니라 내 맥이 맡는다는 것은, 그 부담도 내 맥이 진다는 뜻이기 때문입니다.

• 저장 공간 — 인식 모델은 고른 크기에 따라 수백 MB에서 2GB 안팎을 차지합니다. 한 번 받아 두면 계속 쓰므로 변환할 때마다 늘어나지는 않습니다. 대신 녹음 원본은 길이에 비례해 쌓이니 정리 기준을 정해 두시는 편이 좋습니다.
• 처리 시간 — 서버 대기열이 없어 회선 속도와 무관하고, '오늘은 사람이 몰려서 느리다'는 상황도 없습니다. 걸리는 시간은 맥의 세대, 모델 크기, 녹음 길이로만 정해집니다.
• 발열과 배터리 — 긴 파일을 변환하는 동안에는 GPU를 계속 쓰기 때문에 노트북이 따뜻해지고 배터리도 그만큼 줄어듭니다. 두세 시간짜리 음원은 전원을 연결해 두고 돌리시는 편이 편합니다.
• 다른 작업과 병행 — 변환 중에도 맥은 계속 쓸 수 있지만, 무거운 영상 편집 같은 작업과 겹치면 양쪽 다 느려집니다.

반대로 클라우드 방식에서 계속 신경 써야 하는 항목 — 업로드 대기 시간, 무료 구간의 분량 제한, 보관 기간, 이번 달 요금이 얼마나 쌓였는지 — 은 이 방식에서 아예 생기지 않습니다. 어느 쪽 부담을 지는 편이 나은지의 문제라고 보시면 됩니다.

맞는 상황과 맞지 않는 상황

맞는 상황: 대외비가 섞인 사내 회의, 취재·인터뷰 음원, 고객과의 상담, 인사 면담, 외부에 맡기기 곤란한 자료, 출장이나 기내처럼 인터넷이 없는 자리, 한 달에 몇 시간이 될지 예측이 안 되는 지속적인 사용.

다른 사람이 함께 있는 대화를 녹음할 때는 확인이 필요합니다. 국내에서는 대화 당사자 본인이 그 대화를 녹음하는 것은 통신비밀보호법이 금지하는 행위에 해당하지 않습니다. 그러나 자신이 참여하지 않은 타인 간의 대화를 녹음하는 것은 형사처벌 대상입니다. 법과 별개로 사내 규정이나 고객사 방침에서 녹음을 제한하는 경우도 많으니, 법적으로 가능하다는 사실이 곧 허용을 뜻하지는 않습니다. 회의 시작 때 한마디 알리는 편이 실무상 가장 무난합니다.

맞지 않는 상황: 윈도우만 쓰는 환경(이 앱은 맥 전용입니다), 인텔 맥(Apple Silicon이 필수입니다), 많은 인원이 같은 원고를 동시에 공유·편집해야 하는 운영.

맥에서 온디바이스 음성 인식을 쓰려면

Lesskeys는 이 방식만으로 만들어진 맥 전용 앱입니다. 말한 내용을 바로 받아쓰는 음성 입력과, 통화·회의·음성 파일의 텍스트 변환을 모두 지원하며 인식 처리는 전부 맥 안에서 이루어집니다. 99개 언어를 지원하고 어떤 언어로 말했는지는 자동으로 판별합니다. 음성 입력 결과는 클립보드에 복사되므로, 붙여넣고 싶은 자리에서 ⌘V를 누르는 방식입니다(앱이 임의로 키를 입력하지 않습니다).

동작 조건은 macOS 13 이상, Apple Silicon(M1 이상) 필수입니다. 다운로드는 무료이고, 계속 쓰려면 앱 안에서 Pro 잠금 해제를 $49.99 한 번 결제로 진행합니다. 구독이 아니라 1회 결제이며, 한국 App Store에서는 원화로 표시됩니다.

무료 상태에서 쓸 수 있는 범위는 이렇습니다. 음성 입력은 하루 5분까지, 파일 변환은 음성 5건과 영상 5건까지(하루 단위가 아니라 총합)입니다. 녹음 자체와, 한 번 변환한 내용을 다시 변환하는 작업은 횟수를 세지 않습니다.

실제 작업 순서는 맥에서 음성 텍스트 변환하는 방법에, 이미 손에 파일이 있다면 mp3 텍스트 변환에 정리해 두었습니다.

자주 묻는 질문

함께 보면 좋은 글