Skip to main content
PromptQuorumBuilt for humans. Structured for AI.
홈/고급 로컬 LLM
Voice, Speech & Multimodal

TranscriptionSuite 리뷰: 화자 구분을 지원하는 무료 로컬 음성 인식 앱

·9분 읽기Hans Kuepper 저 · PromptQuorum 창립자 · 오픈 웨이트·오픈소스 AI 디스커버리 엔진

TranscriptionSuite는 음성 모델을 내 컴퓨터에서 실행하고, 실시간 전사, 화자 구분, 캘린더형 오디오 노트북, OpenAI 호환 API를 더한 무료 GPL-3.0 음성 인식 앱입니다. README에 따르면 오디오와 전사 결과는 내 컴퓨터를 벗어나지 않습니다. 이 리뷰는 버전 1.3.10을 다루며, 공개된 사이트, README, GitHub 릴리스에 근거하고 직접 테스트는 하지 않았습니다.

핵심 요점

  • 검토한 버전: 2026년 9월 24일에 공개된 1.3.10입니다. 저장소의 마지막 업데이트는 2026년 10월 4일이므로 업데이트 정체 경고는 적용되지 않습니다.
  • 라이선스와 가격: README 기준 GPL-3.0 이상이며, 무료이고 계정이 필요 없습니다.
  • 플랫폼: Windows 11과 Linux(x64), macOS. Apple silicon Mac을 제외하면 서버는 Docker에서 실행됩니다.
  • 주요 기능: 라이브 모드, 화자 구분, 오디오 노트북, OpenAI 호환 API, 웹훅.
  • 성숙도: GitHub 별은 약 775개이며, 관리자는 한 명이고 스스로 바이브 코딩이라고 밝힙니다.

📍 한 문장으로

TranscriptionSuite는 내 컴퓨터에서 실행되는 음성 모델로 오디오를 전사하고 누가 말했는지 표시해 주는 오픈소스 데스크톱 앱입니다.

💬 쉽게 말하면

비공개 전사 스튜디오라고 생각하시면 됩니다. 강의를 녹음하고, 아무 앱에나 받아쓰고, 오디오 파일을 가져오면 녹음을 클라우드에 보내지 않고도 화자 구분이 된 전사 결과를 얻을 수 있습니다.

언어 선택:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

TranscriptionSuite는 내 컴퓨터에서 음성을 텍스트로 바꿔 주는 무료 오픈소스 데스크톱 앱입니다. 실시간 전사, 화자 구분, 검색 가능한 오디오 노트북, 선택 가능한 음성 모델을 갖추고 있습니다. 이 리뷰는 공식 사이트, README, GitHub 릴리스에서 확인되는 내용과 빠진 내용, 그리고 디렉터리의 다른 전사 도구와 비교한 결과를 정리합니다.

TranscriptionSuite 리뷰: 화자 구분을 지원하는 무료 로컬 음성 인식 앱

TranscriptionSuite 받기

TranscriptionSuite는 설치하는 대시보드와, 앱이 내려받아 관리하는 서버의 두 부분으로 이루어집니다. 파일은 최신 GitHub 릴리스에 첨부되어 있으며, 아래 행은 쉬운 순서대로 나열했습니다.

플랫폼
받기
macOS, Apple silicon(서버 포함)TranscriptionSuite-1.3.10-arm64-mac-metal.dmg (약 3~5 GB, Docker 불필요)
macOS, Apple silicon(대시보드만)TranscriptionSuite-1.3.10-arm64-mac.dmg (약 200 MB, 서버는 다른 곳에서 실행)
Windows(x64)TranscriptionSuite.Setup.1.3.10.exe와 WSL 2를 사용하는 Docker Desktop
Linux(x64)TranscriptionSuite-1.3.10.AppImage와 Docker 또는 Podman
공식 사이트transcriptionsuite.app
개인정보 처리방침별도의 개인정보 처리방침 페이지는 찾지 못했습니다. README가 로컬 처리를 설명합니다
소스 코드github.com/homelab-00/TranscriptionSuite

내려받아 열기만 하면 되는 설치 방식은 서버가 통합된 Mac 빌드뿐입니다. Windows와 Linux에서는 먼저 Docker나 Podman을 터미널 수준에서 설정해야 합니다. macOS 앱은 서명되어 있지 않아, 격리 플래그를 지우거나 '그래도 열기'를 선택하기 전까지 macOS가 차단하며 FFmpeg도 설치해야 합니다. README에는 Intel Mac 빌드가 언급되지만 1.3.10 릴리스에는 Apple silicon용 디스크 이미지만 있습니다.

TranscriptionSuite 한눈에 보기

항목
TranscriptionSuite
플랫폼Windows, macOS, Linux
가격무료
라이선스GPL-3.0 이상
실행 위치로컬. 모델은 처음 사용할 때 내려받음
언어Whisper 기준 90개 이상, 다른 모델은 그보다 적음
실시간 전사지원(라이브 모드, Whisper 계열 모델만)
화자 구분녹음과 파일 가져오기에서 지원. 라이브 모드에서는 미지원
CPU만으로 사용 가능가능. NeMo 모델은 사용할 수 없음
로컬 API 서버있음. OpenAI 호환 전사 엔드포인트

이 항목은 로컬 LLM 소프트웨어 디렉터리에서 쓰는 음성 인식 비교를 따릅니다. 사이트에 언급이 없다는 것은 “알 수 없음”이지 “지원하지 않음”이 아닙니다.

TranscriptionSuite란

TranscriptionSuite는 전사 앱이며 회의 봇이나 클라우드 서비스가 아닙니다. README에 따르면 Electron 대시보드와 Python 백엔드로 구성되며, Whisper, NVIDIA NeMo, VibeVoice-ASR, SenseVoice, whisper.cpp, MLX 모델을 지원하고 CUDA, Apple Metal, Vulkan 또는 CPU만으로 가속·실행합니다.

작성자는 개인 도구로 시작해 취미 프로젝트가 되었다고 설명하며, 소프트웨어 엔지니어가 아니라 기계공학 엔지니어라고 밝힙니다. README의 표현으로는 'this whole thing is vibecoded'이지만 맹목적으로 만든 것은 아니라고 합니다. 작성자는 자신도 사용하고 있으며 포기할 생각이 없다고 말합니다.

이 리뷰는 공식 사이트, README, GitHub 릴리스에 근거합니다. 직접 테스트는 하지 않았으므로 정확도, 속도, 안정성은 여기서 평가하지 않습니다.

시작하기

설정은 대시보드를 설치한 뒤 앱 안에서 서버를 시작하는 것입니다. 단계는 README를 따릅니다.

  1. 1
    플랫폼 준비하기
    Why it matters: Windows와 Linux에서는 Docker(Windows는 WSL 2를 쓰는 Docker Desktop, Linux는 Docker 또는 Podman)를 설치하고, Apple silicon에서는 대신 Homebrew로 FFmpeg를 설치합니다.
  2. 2
    대시보드 설치하기
    Why it matters: [릴리스 페이지](https://github.com/homelab-00/TranscriptionSuite/releases/latest)에서 내 시스템용 파일을 내려받습니다. Mac에서는 앱이 서명되어 있지 않으므로 격리 플래그를 한 번 지웁니다.
  3. 3
    Server 탭에서 서버 시작하기
    Why it matters: 런타임(CUDA, Metal, Vulkan, CPU)을 고르고 시작합니다. 처음 시작할 때 선택한 모델을 내려받으며 수 GB가 될 수 있습니다.
  4. 4
    녹음, 받아쓰기, 파일 가져오기
    Why it matters: Session 탭에서 녹음하거나 오디오를 가져오고, 화자 구분이 필요하면 Speaker Diarization을 켭니다.

기능

한 사람이 만든 프로젝트치고 기능 목록이 넓습니다. 아래 내용은 모두 README와 공식 사이트에서 가져왔습니다.

  • 장시간 녹음. 마이크나 시스템 오디오로 녹음하고 멈추면 전체 전사 결과를 얻으며, 녹음 중에는 최근 20초의 미리보기가 계속 갱신됩니다.
  • 라이브 모드. 받아쓰기를 위한 실시간 문장 단위 전사로, Whisper 계열 모델에서만 작동하며 화자 구분은 되지 않습니다.
  • 화자 분리. Whisper, NeMo, SenseVoice, VibeVoice 모델에서 '누가 말했는지' 표시합니다.
  • 파일 가져오기. 오디오나 영상을 끌어다 놓고 일반 텍스트 또는 .srt / .ass 자막으로 저장합니다.
  • 오디오 노트북. 녹음은 캘린더 보기, 전체 텍스트 검색, 모든 OpenAI 호환 제공자와 대화하는 AI 어시스턴트가 있는 노트에 저장됩니다.
  • 받아쓰기 단축키. 시스템 전체에서 쓰는 시작·중지 단축키와 커서 위치 붙여넣기.
  • 연동. Open WebUI, LM Studio 같은 도구를 위한 OpenAI 호환 /v1/audio/transcriptions 엔드포인트, 발신 웹훅, Tailscale 또는 로컬 네트워크를 통한 원격 접속.

모델과 하드웨어

음성 모델은 직접 고르며, 앱이 하드웨어를 감지해 호환되지 않는 옵션은 흐리게 표시합니다. Docker 플랫폼에서는 WhisperX(faster-whisper 모델), NVIDIA Parakeet v3와 Canary v2, VibeVoice-ASR, SenseVoice, whisper.cpp 중에서 고르고, Apple silicon에서는 Whisper, Parakeet, Canary, VibeVoice-ASR의 MLX 버전을 씁니다.

지원 언어는 모델에 따라 다릅니다. Whisper는 90개 이상의 언어를 다루고 영어로 번역할 수 있으며, Parakeet과 Canary는 유럽 언어 25개, VibeVoice는 51개, SenseVoice는 5개를 지원합니다. NeMo 모델은 CPU 런타임에서 실행되지 않고, VibeVoice-ASR은 약 16 GB 크기의 90억 파라미터 모델입니다.

개발자는 RTX 3060에서 Whisper로 30분 분량의 오디오를 1분 안에 전사한다고 밝히지만, 이 리뷰는 그 수치를 재현하지 않았습니다. README는 최소 RAM이나 VRAM 요구량을 공개하지 않습니다.

개인정보, 라이선스, 비용

README에 따르면 모든 것이 내 컴퓨터에서 실행되며 오디오와 전사 결과는 컴퓨터를 벗어나지 않습니다. 인터넷은 처음 사용할 때 앱과 모델 가중치를 내려받을 때만 필요하고, 그 뒤에는 오프라인으로 작동합니다. Whisper나 NeMo의 화자 구분은 PyAnnote 모델을 쓰며 무료 Hugging Face 토큰이 필요합니다.

노트북의 AI 어시스턴트는 Groq, OpenAI, OpenRouter 같은 클라우드 서비스를 포함해 모든 OpenAI 호환 제공자와 대화할 수 있습니다. 그곳에 보낸 내용은 '로컬 전용'이라는 설명의 범위 밖입니다. README는 앱이 매주 새 버전을 확인한다고도 밝힙니다.

코드는 GPL-3.0 이상이고 앱은 무료입니다. 별도의 개인정보 처리방침 페이지는 찾지 못했습니다. 이 리뷰는 네트워크 트래픽을 검사하지 않았으므로 이는 개발자 본인의 설명입니다.

장점과 한계

로컬 전사

실제 사용에서의 의미:
오디오가 내 컴퓨터에 머뭅니다.
한계 / 유의 사항:
처음 사용할 때 내려받는 모델이 크고, 정확도 수치는 공개되어 있지 않습니다.

화자 구분

실제 사용에서의 의미:
회의에서 누가 말했는지 알 수 있습니다.
한계 / 유의 사항:
라이브 모드에서는 쓸 수 없고, Sortformer는 네 명까지만 처리합니다.

다양한 모델 계열

실제 사용에서의 의미:
속도, 언어, 정확도를 고를 수 있습니다.
한계 / 유의 사항:
내 하드웨어에 맞는 모델은 직접 판단해야 합니다.

OpenAI 호환 API

실제 사용에서의 의미:
다른 도구가 백엔드로 쓸 수 있습니다.
한계 / 유의 사항:
model 필드는 받아들여지지만 무시됩니다.

오픈소스이며 무료

실제 사용에서의 의미:
직접 살펴볼 수 있는 GPL 코드입니다.
한계 / 유의 사항:
관리자는 한 명이며 스스로 바이브 코딩이라고 합니다. Windows와 Linux에서는 Docker가 필요합니다.

TranscriptionSuite와 대안 비교

디렉터리에서 가장 가까운 음성 인식 도구는 다른 회의 전사 도구, Mac용 받아쓰기 앱, 그리고 그 위에 만들 수 있는 두 가지 엔진입니다.

TranscriptionSuite

플랫폼:
Windows, macOS, Linux
가격과 라이선스:
무료, GPL-3.0
역할:
서버가 있는 전사 앱
핵심 차이:
라이브 모드, 화자 구분, 노트북, API를 한 번에

Meetily

플랫폼:
macOS, Windows
가격과 라이선스:
무료(MIT)와 유료 Pro
역할:
회의 전사 도구
핵심 차이:
회의 중심으로 설계됨. macOS와 Windows만 지원
Meetily 관련 문서 (1개)

기타 언급:

MacWhisper

플랫폼:
macOS
가격과 라이선스:
프리미엄, 독점
역할:
Mac용 전사 앱
핵심 차이:
Mac 전용이며 비공개 소스
MacWhisper 관련 문서 (2개)

기타 언급:

faster-whisper

플랫폼:
Windows, macOS, Linux
가격과 라이선스:
무료, MIT
역할:
Python 음성 라이브러리
핵심 차이:
개발자용 엔진이며 인터페이스가 없음
faster-whisper 관련 문서 (5개)

기타 언급:

표시되지 않은 6개 더보기

Izwi

플랫폼:
Windows, macOS, Linux
가격과 라이선스:
무료, MIT
역할:
로컬 음성 런타임
핵심 차이:
하나의 API로 음성 출력과 음성 복제까지 제공
Izwi 관련 문서 (2개)

타사 앱의 플랫폼, 가격, 기능은 자주 바뀝니다. 결정하기 전에 각 프로젝트의 공식 페이지에서 최신 정보를 확인하십시오.

디렉터리에서 비교

TranscriptionSuite가 적합한 사용자

  • 인터뷰, 강의, 회의를 전사하는 사람. 화자 구분과 자막 내보내기가 바로 그 용도를 겨냥합니다.
  • Apple silicon Mac 사용자. 통합 빌드가 가장 간단하며 Docker가 필요 없습니다.
  • 다른 앱에 받아쓰기하려는 사람. 라이브 모드와 커서 위치 붙여넣기가 이를 지원합니다.
  • 홈 서버를 가진 사용자. 원격 접속과 API로 다른 기기가 한 대의 컴퓨터를 함께 쓸 수 있습니다.

TranscriptionSuite가 적합하지 않은 사용자

  • Windows나 Linux에서 준비 없이 설치하고 싶은 사람. 먼저 Docker가 필요합니다.
  • Intel Mac 사용자. 최신 릴리스에는 Intel 빌드가 없습니다.
  • 공급업체 지원이 필요한 팀. 관리자 한 명의 취미 프로젝트입니다.
  • 문서화된 규정 준수가 필요한 사람. 개인정보 처리방침 페이지를 찾지 못했습니다.

자주 묻는 질문

TranscriptionSuite에 GPU가 필요한가요?

아니요. CPU 전용 런타임이 있지만 NeMo 모델은 쓸 수 없고 큰 모델은 느립니다. NVIDIA CUDA, Apple Metal, AMD·Intel Vulkan은 선택 가능한 가속기입니다.

왜 Docker가 필요한가요?

전사 서버는 Windows, Linux, Intel Mac에서 컨테이너로 제공되며 대시보드가 내려받아 관리합니다. Apple silicon Mac에서는 서버가 네이티브로 실행됩니다.

다른 앱이 전사 백엔드로 쓸 수 있나요?

예. OpenAI 호환 전사 엔드포인트를 제공하므로 Open WebUI, LM Studio 같은 도구가 이를 가리킬 수 있습니다.

화자 구분에 계정이 필요한가요?

Whisper와 NeMo 경로에서만 필요합니다. PyAnnote는 무료 Hugging Face 토큰을 요구합니다. SenseVoice, VibeVoice, Apple silicon의 Sortformer는 필요하지 않습니다.

한 컴퓨터에서 실행하고 다른 기기에서 쓸 수 있나요?

예. README는 Tailscale이나 로컬 네트워크를 통한 원격 접속을 설명합니다.

결론

TranscriptionSuite는 화자 구분이 되는 비공개 로컬 전사를 원하고 Docker가 부담스럽지 않은 사용자, 또는 통합 빌드로 그 단계를 건너뛸 수 있는 Apple silicon Mac 사용자에게 잘 맞습니다.

유의할 점은 성숙도와 투명성입니다. 스스로 바이브 코딩이라고 밝히는 관리자 한 명, 개인정보 처리방침 부재, 작성자의 속도 주장 외에는 정확도 벤치마크가 없다는 점, 서명되지 않은 macOS 앱이 그렇습니다. 먼저 민감하지 않은 녹음으로 시험해 보십시오.

출처

← 고급 로컬 LLM으로 돌아가기

MCP