dseditor/QwenASRMiniTool

해결하는 문제

음성 인식 도구(QwenASR WebView 버전)는 로컬에서 오프라인으로 작동하는 음성 인식 및 자막 생성 도구입니다. 두 가지 문제를 해결합니다: 첫째, 일반 사용자가 인터넷 연결이나 전문 지식 없이 오디오, 비디오, 마이크 녹음을 SRT 자막 파일로 변환할 수 있도록 하는 것입니다. 둘째, 모든 처리가 사용자 자신의 컴퓨터에서 이루어지므로 데이터가 장치를 벗어나지 않아 개인정보 보호가 가능합니다. 또한 중국어, 번체 중국어(대만 국어), 일본어 등에 최적화되어 있으며, 발화자 분리, 카라오케 문자 단위 하이라이트와 같은 실용적인 기능을 제공합니다.

작동 방식

도구의 핵심은 전환 가능한 여러 음성 인식 엔진입니다: CrispASR(whisper.cpp와 Qwen3-ASR 기반의 Vulkan/CUDA GPU 가속 백엔드), OpenVINO(순수 CPU 추론), 그리고 호환용 chatllm입니다. 사용자는 인터페이스에서 목적에 따라 모델을 선택할 수 있습니다(예: 표준 중국어, 대만 국어, 일본어, 혼합 언어 인식). 프로그램은 GPU를 감지하고 적절한 가속 버전을 추천합니다. 작업 흐름은 다음과 같습니다: 오디오/비디오 파일에서 오디오 트랙을 추출(비디오는 ffmpeg 사용), 이를 인식 엔진에 전달하여 타임스탬프가 포함된 텍스트를 생성한 후, SRT 또는 순수 텍스트로 정리합니다. 마이크 녹음의 경우 VAD를 사용하여 말하는 중단을 감지하고 자동으로 세그먼트화합니다. 사용자는 힌트 텍스트(예: 가사, 인물 이름)를 붙여넣어 정확도를 높일 수 있으며, 발화자 분리 또는 문자 단위 타임라인 정렬(카라오케 효과용)을 선택적으로 활성화할 수 있습니다. 소프트웨어에는 OpenAI 호환 전사 API, 스마트폰 스캔 업로드 페이지, AI 에이전트가 사용할 수 있는 명령줄 인터페이스도 내장되어 있습니다.

대상 사용자

일반 가정 사용자, 학생, 사무실 직원, 그리고 무료로 오프라인으로 자신의 컴퓨터에서 음성 인식과 자막 제작을 원하는 모든 사람을 대상으로 합니다. 회의 녹음, 팟캐스트, 강의 영상, 일본어 애니메이션 대사, 대만 국어 대화 처리에 특히 적합합니다. 또한 개발자나 AI 에이전트는 CLI 또는 API를 통해 자동화 프로세스에 통합할 수 있습니다.

주요 기능

• 완전히 로컬에서 오프라인으로 작동. 데이터는 컴퓨터 외부로 이동하지 않아 개인정보 보안 보장
• 오디오, 비디오, 마이크 녹음을 SRT 자막으로 변환 가능. 비디오는 자동으로 오디오 트랙 추출
• 다중 추론 커널: Vulkan(GPU, NVIDIA/AMD/Intel 지원), CUDA(NVIDIA 전용), 순수 CPU(OpenVINO)
• 내장된 특화 모델: Qwen3-ASR 일반형, 일본어 애니메이션용, 대만 국어 TEA 모델, Whisper Breeze 번체 중국어/대만어 버전
• 발화자 분리, 카라오케 문자 단위 하이라이트, 배치 처리, 실시간 녹음 세그먼트 인식
• OpenAI 호환 API 및 스마트폰 스캔 업로드 제공. 일시적인 공개 네트워크 채널(Cloudflare) 지원
• 헤드리스 CLI 모드. 깨끗한 JSON/SRT 출력. apply 명령어로 에이전트가 타임스탬프를 손상시키는 것을 방지
• 모델 다운로드 관리, VAD, ffmpeg는 필요 시 다운로드. 즉시 사용 가능
• WebView 기반 GUI, 다크/라이트 테마 지원, 다국어 인터페이스, 인터페이스 확대 기능