영상 음성 인식 자막 추출기

이 도구는 영상 링크로부터 영상을 다운로드하고 Whisper AI를 사용해 자막을 추출합니다.

사용법

1. extract_subs.bat 실행
2. 링크 붙여넣기 (Ctrl+V)
3. 파일명 입력
4. 자동 처리 완료

처리 과정

• 영상 다운로드 (yt-dlp)
• 오디오 추출 (ffmpeg)
• 음성 인식 (whisper)
• 자막 파일 생성 (subs 폴더)

Whisper 모델 옵션

현재 사용 모델

• ggml-large-v3.bin (3.1GB) - 최고 정확도

Whisper-CLI 주요 옵션

성능 관련

--flash-attn          # GPU 가속 (RTX 4060 권장)
--no-gpu             # GPU 비활성화
--threads N          # CPU 스레드 수 (기본: 4)
--processors N       # 프로세서 수 (기본: 1)

품질 관련

--temperature N      # 샘플링 온도 (0-1, 기본: 0.2)
--beam-size N        # 빔 서치 크기 (기본: 5)
--best-of N          # 최선 후보 수 (기본: 5)

출력 관련

--output-txt         # 텍스트 파일 출력
--output-srt         # SRT 자막 파일 출력
--output-vtt         # VTT 자막 파일 출력
--no-timestamps      # 타임스탬프 제거

언어/음성 처리

-l ko               # 한국어 설정
--translate         # 영어로 번역
--diarize          # 화자 분리

GPU 가속 설정

RTX 4060 사용 시 권장 설정:

.\whisper-cli.exe -m ggml-large-v3.bin -l ko "%filename%.wav" --output-txt --flash-attn --threads 8

예상 처리 시간 (RTX 4060 기준)

50분 영상: 15-25분 처리 GPU 가속 시: 10-15분 처리

모델 다운로드

PowerShell 사용

# large-v3 (3.1GB)
Invoke-WebRequest -Uri "https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-large-v3.bin" -OutFile "ggml-large-v3.bin"

브라우저 다운로드

• large-v3

시스템 요구사항

• 최소 RAM: 8GB (large-v3는 16GB 권장)
• GPU: NVIDIA RTX 시리즈 (선택사항)
• 저장공간: 모델 크기 + 영상 크기

메모리 사용량 주의사항

• large-v3: 프로세스당 ~8GB RAM 사용
• 동시 실행 제한: 32GB RAM 기준 2-3개까지만

문제 해결

모델 파일 없음

error: The system cannot find the file specified.

→ 모델 파일을 먼저 다운로드하세요

GPU 옵션 오류

error: unknown argument: -ngl

→ --flash-attn 또는 --no-gpu 사용

반복 텍스트 문제

→ --temperature 0.2 --no-timestamps 옵션 추가