음성 메모를 콘텐츠로 바꾸는 방법, 실제 흐름

음성 메모를 콘텐츠로 바꾸는 과정

작성자

카테고리:

말이 빠른 사람의 문제: 폰엔 음성 메모가 쌓여 있는데 글은 안 나온다

며칠 전 폰의 음성 메모 앱을 열어봤더니 미처리된 게 47개 쌓여 있었다. 산책하면서 떠오른 서비스 아이디어, 회의 끝나고 걸으면서 두드린 메모, 자기 전에 침대에 누워 녹음한 것들. 녹음할 때는 “이거 나중에 꼭 쓴다”고 생각했는데, 나중은 오지 않았다.

이유는 단순하다. 3분짜리 녹음을 다시 들으면서 타이핑하려면 그것만 10분 넘게 잡고 있어야 한다. 녹음은 입으로 하니까 빠른데, 정리는 손으로 해야 하니까 느리다. 이 비대칭이 음성 메모를 쓰레기통으로 만든다.

변환 앱 깔았다가 왜 다시 손으로 쓰게 되는가

대부분 “음성 메모 텍스트 변환”으로 검색해서 앱 하나 깔고, 변환 결과를 보고 만족한다. 그런데 그 변환된 텍스트는 발행 가능한 글이 아니다. 말버릇, 군더더기, 앞뒤 뒤섞인 순서, “음”, “그러니까”가 그대로 남은 날것이다. 이걸 다시 손으로 다듬으려니 어차피 처음부터 쓰는 것과 비슷한 노동이 든다. 여기서 포기한다. 변환은 시작이고, 진짜 일은 그 다음인데 그 다음을 다루는 글이 별로 없어서 이걸 정리해본다.

어떤 도구를 쓰고 얼마가 드는가: 직접 굴려본 조합

나는 원클립AI에서 서비스를 직접 굴리는 입장이라 변환 도구를 몇 번 갈아 끼웠다. 지금 정착한 구조는 이렇다.

조합 구성 내 실사 평가
무료 우선 폰 기본 음성 메모 + 무료 STT 앱 짧은 메모엔 충분. 길어지면 처리 시간과 정확도가 둘 다 흔들린다
유료 STT 클라우드 STT API 고유명사 인식이 체감상 낫고 긴 파일도 안정적. 건수 따라 비용이 붙는다
현재 정착 긴 파일·발행용은 유료 STT, 잡담성 메모는 무료로 처리 후 자동 폴더 이동 발행 품질이 필요한 곳에만 돈을 쓰는 구조

정착 기준은 정확도가 아니라 “재작업 여부”였다. 무료로 변환해서 다시 손으로 고치는 시간이 더 크면 유료가 이긴다. 반대로 일기 같은 건 틀려도 상관없으니 무료로 충분하다. 1인 운영에서는 도구 단가보다 내 시간이 더 비싸서, 이 기준으로 갈랐다.

변환 정확도: 고유명사와 숫자는 이렇게 잡는다

“정확도 95%” 같은 숫자는 운영에 아무 도움이 안 됐다. 체감상 정확도는 문장 종류에 따라 갈린다. 일상 문장은 손 안 대도 되고, 서비스 이름과 숫자가 섞인 문장은 매번 확인 대상이다.

고유명사·숫자 오인식 대응

실제로 겪은 사례를 하나 들면, 내가 굴리는 Pipedeck라는 이름이 변환 결과에서 계속 다른 단어로 나왔다. “파이프덱” “파이프 댁”이 왔다갔다 했다. 이런 건 사전 단어 등록 기능에 서비스 이름들을 넣어두니 잡혔다. 상권레이다, Folio Studio, OneClip처럼 자주 입에 올리는 이름은 미리 등록해둔다. 등록 전후로 같은 녹음을 돌려보면 고유명사 구간이 눈에 띄게 잡힌다.

숫자는 사전 등록으로 안 잡히는 경우가 많다. 그래서 재청취 기준을 정해뒀다. 변환 텍스트에서 숫자·금액·날짜가 나오는 구간은 무조건 원본 음성을 그 구간만 다시 듣는다. 1시간짜리를 전부 다시 듣는 게 아니라, 오인식 확률이 높은 구간만 짚어서 듣는 식이다.

틀려도 되는 구간과 틀리면 치명적인 구간

이 구분을 하고 나면 확인할 양이 확 줄어든다. 잡담, 아이디어 스케치, 일기는 어차피 다듬으면서 지워질 텍스트라 틀려도 상관없다. 치명적인 건 숫자, 고유명사, 남의 말을 인용하는 구간, 링크다. 인용은 특히 조심해야 하는데, 내가 아닌 사람 말이 잘못 옮겨지면 수정 요청이나 오해가 생긴다.

쌓인 음성 메모와 빈 페이지

변환된 텍스트를 글로 다듬기: 변환이 끝이 아니라 중간이다

여기가 경쟁글들이 다루지 않는 구간이다. 변환된 날것 텍스트를 발행 가능한 글로 만드는 후처리다. 나는 세 가지 프롬프트를 상황별로 쓴다.

메모 정리용 프롬프트

아래는 음성 메모를 텍스트로 변환한 날것이다. 말투는 그대로 두고, 군더더기(“음”, “그러니까”, 반복)만 지우고 주제별로 묶어서 불릿으로 정리해줘. 없는 내용을 보태지 마.

블로그 초안용 프롬프트

아래는 음성 메모 변환 텍스트다. 이걸 블로그 초안으로 바꿔줘. 구어체를 자연스러운 글톤으로 바꾸고, 문단을 짧게 끊어줘. 단, 원문에 없는 사례나 숫자를 만들어내지 마. 사례가 필요하면 [사례 필요]라고 표시해줘.

마지막 문장이 중요하다. “AI가 지어내는 사례”를 차단하지 않으면 초안에 그럴듯한 가짜 숫자가 섞여 들어온다. 실제로 초안을 읽다가 원문에 없던 구체적 수치가 나온 적이 있어서, 그 뒤로 이 지시를 항상 넣는다.

실패해서 버린 프롬프트

음성 메모를 읽고 에세이로 재구성해줘.

이건 버렸다. “재구성”을 시키면 모델이 원문의 뼈대를 무시하고 새 글을 써버린다. 변환 텍스트의 가치는 내가 실제로 한 말인 건데, 재구성을 거치면 내 말이 아니게 된다. 다듬는 범위를 원문 안으로 묶는 지시가 없는 프롬프트는 다 실패했다.

다듬기 후 사람이 확인하는 지점

  • 말한 순서를 바꿨는가. 논리 재배열은 좋지만 사실 관계가 뒤집히는지 본다
  • 내가 안 한 말이 추가됐는가. 특히 사례와 수치
  • 고유명사가 초안 과정에서 다른 단어로 바뀌었는가
음성변환 도구 선택 비교 장면

긴 녹음은 나눠서 처리한다: 1시간짜리 메모를 무너뜨리지 않는 법

긴 녹음은 통째로 넣지 않고 나눠서 처리한다. 기준은 대략 이렇다.

길이 처리 방식
15분 이하 통째로 변환
30분 안팎 2단계로 분할 후 변환
1시간 이상 청크 단위 자동 분할, 각 청크 변환 후 이어 붙이기

자동 분할에서 실제로 겪은 실패

긴 파일을 정해진 길이로 자동으로 자르는 크론을 돌렸는데, 문장 중간이 잘리는 일이 생겼다. 잘린 문장의 앞뒤가 각각 다른 청크로 들어가면서, 이어 붙인 텍스트에 이상한 문장이 남았다. 이걸 고치려고 지금은 자르는 지점을 무음 구간 기준으로 잡는다. 침묵이 감지되는 곳에서만 자르면 문장이 살아남는다. 무음 감지가 실패하는 음원(배경음이 계속 깔린 녹음)은 아직 못 풀었다. 그럴 때는 사람이 대충 중간 지점을 듣고 수동으로 자른다.

청크 사이 문맥이 끊기는 건 이어 붙일 때 각 청크에 앞 청크 마지막 두세 문장을 맥락으로 같이 넣어서 다듬는다. 다듬기 단계에서 맥락을 보고 문단을 다시 이어주는 식이다. 변환 자체는 청크별로 독립적으로 하되, 후처리에서 맥락을 주는 구조다.

긴 녹음을 나눠 처리하는 모습

사람 손을 넣는 곳과 넣지 않아도 되는 곳

전 구간 무인 자동화를 시도한 적이 있다. 음성 파일이 폴더에 떨어지면 변환하고 다듬고 발행까지 크론이 알아서 하는 구조였다. 돌아는 갔다. 그런데 발행 품질이 문제였다. 숫자가 오인식된 채로 나가거나, 원문에 없는 사례가 섞인 초안이 올라간다. 이건 블로그 신뢰에 직접 타격이라서, 자동화 범위를 줄였다.

지금 구조는 이렇다.

  • 손 안 대도 되는 구간: 잡담성 메모, 일기, 초안 스케치. 변환 후 분류만 자동으로 하고 발행 안 한다
  • 사람이 확인하는 구간: 숫자, 고유명사, 인용, 링크가 들어간 텍스트. 발행 전 한 번 훑는다

이 블로그 자체도 자동 파이프라인이 하루 3~4편씩 쓰고 있고, 지어낸 제품명이나 없는 링크 같은 사고만 걸러서 바로 공개하는 구조로 굴러간다. 음성 메모 파이프라인은 여기서 한 단계 더 보수적으로, 발행 전 사람 눈을 한 번 거치게 해뒀다. 글 한 편을 자동으로 만들어 공개하는 데 13~15분 걸리는 블로그 파이프라인과 달리, 음성 메모는 원본이 내 입에서 나온 거라 틀리면 내가 틀린 게 되기 때문이다.

정리: 오늘 밤 폰 속 음성 메모 하나를 글로 바꿔보는 순서

  1. 가장 짧은 메모 하나를 고른다. 긴 것부터 하면 실패한다
  2. 변환한다. 무료 앱이면 충분하다
  3. 위의 메모 정리용 프롬프트에 붙여넣는다
  4. 정리된 불릿을 보고 발행할 가치가 있는지 판단한다. 없으면 거기서 끝, 그 메모는 원래 그 정도 가치였던 거다
  5. 발행한다면 블로그 초안용 프롬프트로 돌리고, 숫자와 고유명사만 눈으로 확인한다

이럴 땐 음성 메모 방식이 오히려 손해

정리된 자료를 옮겨 적는 글, 문서를 요약하는 글처럼 원본이 이미 텍스트인 일은 그냥 타이핑이 낫다. 그리고 녹음 환경이 시끄럽거나 말을 엄청 뒤죽박죽 하는 스타일이면 후처리 비용이 변환 이득을 다 먹어버린다. 나는 산책하면서 생각이 쏟아질 때만 음성으로 남기고, 나머지는 키보드로 쓴다. 도구는 상황에 맞게 골라 쓰는 거지, 전부 음성으로 해결하려 들면 그게 또 일이 된다.

출처와 근거 자료


글쓴이 정보

1인 빌더 아일리고가 씁니다. 잘된 것도 망한 것도 적습니다. 영상은 제가 만든 ClipSquare 에서 나옵니다.

궁금해할 만한 것들

음성 메모를 텍스트로 변환했는데 왜 바로 글로 못 쓰나요?

변환 결과는 말버릇과 ‘음’, ‘그러니까’ 같은 군더더기가 남은 날것이라 발행 가능한 글이 아닙니다. 변환은 시작이고, 진짜 일은 그 다음에 있는 후처리입니다. 이 후처리를 프롬프트로 정리해두면 다시 손으로 쓰는 수고를 크게 줄일 수 있습니다.

무료 STT와 유료 STT 중 뭘 써야 하나요?

기준은 정확도가 아니라 재작업 여부입니다. 무료로 변환해서 다시 고치는 시간이 더 크면 유료가 이깁니다. 실무에서는 발행용 긴 파일만 유료, 일기 같은 잡담성 메모는 무료로 나눠 쓰는 구조가 비용 대비 가장 좋았습니다.

음성 인식에서 고유명사와 숫자가 자꾸 틀리게 나오는데 어떻게 하나요?

고유명사는 STT 도구의 사전 단어 등록 기능에 서비스 이름을 미리 넣어두면 잡힙니다. 숫자는 사전 등록으로 안 잡히는 경우가 많아서, 변환 텍스트에서 숫자·금액·날짜가 나오는 구간만 원본 음성을 다시 듣는 게 실용적입니다.

음성 메모를 블로그 글로 바꾸는 프롬프트는 어떻게 쓰나요?

구어체를 글톤으로 바꾸되 원문에 없는 사례나 숫자를 만들지 말라고 지시하는 게 핵심입니다. ‘재구성해줘’ 같은 지시는 모델이 새 글을 써버려서 실패합니다. 다듬는 범위를 원문 안으로 묶는 지시가 들어간 프롬프트만 살아남았습니다.

1시간짜리 긴 녹음도 통째로 변환하면 되나요?

긴 녹음은 통째로 넣지 않고 나눠서 처리하는 편이 안정적입니다. 구간을 나누면 오인식 구간만 골라 재확인하기도 쉬워집니다. 숫자·고유명사가 나오는 구간만 원본을 다시 듣는 식으로 확인량을 줄일 수 있습니다.

틀려도 되는 구간과 꼭 확인해야 하는 구간은 어떻게 나누나요?

잡담, 아이디어 스케치, 일기는 다듬으면서 지워질 텍스트라 틀려도 상관없습니다. 숫자, 고유명사, 남의 말 인용, 링크는 틀리면 치명적이니 반드시 원본과 대조합니다. 특히 인용은 잘못 옮겨지면 오해와 수정 요청으로 이어지니 조심해야 합니다.