Windows 음성 입력(Win+H)은 Microsoft의 트랜스포머 이전 음성 모델을 사용합니다. 명확한 영어 정확도는 약 88% 수준입니다. 억양이나 다른 언어를 사용하면 작동이 잘 안 됩니다. OpenAI Whisper는 현대적인 대안으로, 명확한 영어 정확도는 약 98%에 달하며 억양과 96개 언어를 잘 처리합니다. 그리고 동일한 Windows PC에서 무료로 로컬 실행됩니다.
동일한 마이크, 동일한 Windows PC, 두 가지 다른 음성 모델.
Microsoft의 내장 음성 인식은 편리하지만 구형 음성 인식 스택을 사용합니다. 명확한 미국 영어 벤치마크에서 정확도는 약 88% 수준입니다(9단어당 1개 오류). 억양이 있는 영어에서는 70%대로 떨어집니다. 대부분의 영어 이외 언어에서는 실제 글쓰기에 사용할 수 없습니다. 무료이고 내장되어 있으며 장보기 목록 정도를 작성하기에는 괜찮습니다.
Whisper는 680,000시간의 오디오로 학습된 OpenAI의 최신 트랜스포머 음성 인식 모델입니다. 독립적인 벤치마크에 따르면 명확한 영어 정확도는 약 97~98%에 달하며, 억양 및 96개 언어에서 강력한 성능을 보여줍니다. StarWhisper는 Whisper를 PC에서 로컬로 실행되는 무료 Windows 앱으로 번들링합니다. 동일한 마이크. 훨씬 더 나은 텍스트.
첫날부터 눈치채게 될 구체적인 정확도 차이점
인도 영어, 스코틀랜드, 싱가포르, 남아프리카 공화국, 카리브해, 호주. Whisper는 이 모든 억양으로 학습되었습니다. Win+H는 주로 미국 영어로 학습되었으며 그것이 드러납니다. 격차는 헤드라인의 10%포인트보다 훨씬 큽니다.
Whisper는 96개 언어를 처리합니다. Win+H는 훨씬 짧은 목록을 지원하며 정확도가 다양합니다. 독일어, 프랑스어, 스페인어, 중국어(만다린), 일본어, 한국어, 힌디어, 아랍어, 러시아어 및 기타 대부분의 언어에서 격차는 사용 가능함과 사용 불가능함의 기능적 차이입니다.
Whisper는 학습 말뭉치에 해당 콘텐츠가 포함되어 있었기 때문에 프로그래밍 용어, 의학 어휘, 법률 언어 및 과학 용어를 더 정확하게 처리합니다. Win+H는 전문 용어를 일반적인 영어 동의어로 자동 수정하는 경향이 있습니다.
사람, 장소, 브랜드, 제품의 이름. Whisper는 더 많은 고유명사를 보존합니다. Win+H는 종종 영어 이외의 이름을 망가뜨리거나 음운론적 추측으로 대체합니다.
Whisper는 문장 전체에 걸쳐 문맥을 유지하고 더 일관된 단락을 생성합니다. Win+H는 짧은 발화에 최적화되어 있으며 여러 문장으로 된 받아쓰기에서 문맥을 잃는 경향이 있습니다.
Whisper는 문맥에 따라 문장 부호를 삽입하고 문장 경계를 존중합니다. Win+H는 "쉼표"와 "마침표"를 명시적으로 말해야 하므로 자연스러운 말하기 속도가 느려지고 어색한 전사물이 생성됩니다.
Microsoft는 20년 넘게 Windows에서 음성 인식을 제공해 왔습니다. Windows Vista에는 거의 아무도 사용하지 않았던 키보드 기반 받아쓰기 도구인 Windows 음성 인식(WSR)이 있었습니다. Windows 10은 2017년에 Win+H 단축키로 접근할 수 있는 음성 입력 재설계를 추가했습니다. Windows 11은 UI를 더욱 다듬었습니다. 의미 있는 방식으로 변경되지 않은 것은 기본 음성 모델입니다.
Windows 음성 입력의 기본 음향 모델은 트랜스포머 이전 시대로 거슬러 올라갑니다. 주로 미국 영어로 구성된 비교적 작은 말뭉치로 학습된 순환 신경망 아키텍처를 사용합니다. 이와 대조적으로 이 분야는 두 번이나 발전했습니다. 먼저 트랜스포머 기반 모델로, 그 다음으로 대규모 다국어 사전 학습으로 이동했습니다. Whisper는 96개 언어에 걸쳐 680,000시간의 학습 데이터를 보유한 두 번째 물결의 가장 두드러진 오픈 예시입니다.
정확도 격차는 조정 문제가 아닌 구조적인 문제입니다. Microsoft는 차세대 음성을 연구하고 있을 것으로 추정되지만, 현재로서는 내장 Windows 도구가 오래된 기술 위에 놓여 있습니다. Pixel 폰이나 iPhone에서의 받아쓰기가 Windows 노트북보다 더 정확하게 느껴지는 이유가 궁금했다면 동일한 설명입니다. 즉, 그 휴대폰들은 더 새로운 모델을 실행하고 있습니다.
정확도 차이는 실제 문장에서 즉시 나타납니다. 아래는 사용자 보고서의 전형적인 예입니다. 음성 열은 말해진 내용입니다. Win+H 열은 축어적 출력입니다. Whisper 열은 StarWhisper가 동일한 오디오에서 생성한 것입니다.
| 음성 | Win+H 출력 | Whisper(StarWhisper) 출력 |
|---|---|---|
| "The deployment went to staging at 3 PM" | the deployment went to staging at three p m | The deployment went to staging at 3 PM. |
| "Schedule a meeting with Aoife on Thursday" | schedule a meeting with eva on Thursday | Schedule a meeting with Aoife on Thursday. |
| "The patient reported intermittent dyspnea" | the patient reported intermittent disney | The patient reported intermittent dyspnea. |
| "Refactor the auth middleware to use JWT tokens" | refactor the off middleware to use jay w t tokens | Refactor the auth middleware to use JWT tokens. |
| "Send the contract to [email protected]" | send the contract to monara at example dot com | Send the contract to [email protected]. |
이 예들은 신중하게 골라진 것이 아닙니다. 가장 일반적인 미국 영어 어휘 이외의 어떤 것으로든 일정 시간 동안 받아쓰기를 할 때 보게 되는 오류의 종류를 대표합니다.
정확도 차이는 마법이 아니라 아키텍처와 규모입니다. Whisper는 방대하고 다양한 오디오 말뭉치에 대해 엔드투엔드로 학습된 시퀀스 투 시퀀스(sequence-to-sequence) 트랜스포머입니다. StarWhisper는 Whisper 모델을 번들로 제공하며 Windows PC에서 로컬로 실행합니다.
OpenAI는 117,000시간의 다국어 데이터와 125,000시간의 번역 데이터를 포함하여 웹에서 수집된 약 680,000시간의 오디오로 Whisper를 학습시켰습니다. 이는 구형 Microsoft 스택이 학습된 것보다 대략 두 자릿수(약 100배) 더 큽니다. 더 크고 다양한 학습 데이터는 Whisper가 억양, 전문 용어 및 영어 이외의 언어를 잘 처리하는 가장 큰 이유입니다.
Whisper는 GPT 및 최신 번역 모델과 동일한 일반 아키텍처인 인코더-디코더 트랜스포머를 사용합니다. 이 아키텍처는 2010년대 전반에 걸쳐 음성 인식을 지배했던 순환 모델보다 장거리 문맥에서 훨씬 뛰어납니다. 이것이 Whisper가 일관된 단락을 생성하는 반면 구형 시스템은 일관된 문장을 생성하고 그 사이의 문맥을 잃는 이유입니다.
Whisper는 전사, 번역, 언어 식별, 음성 활동 감지와 같은 여러 음성 작업에서 공동으로 학습되었습니다. 이 멀티태스크 설정은 단일 작업 모델이 저하될 조건에서 견고한 모델을 생성합니다. 실제로 이는 Whisper가 조용한 간격, 배경 소음 및 언어 전환을 원활하게 처리함을 의미합니다.
Whisper는 오픈 소스이고 적절한 크기이기 때문에 소비자용 Windows 머신에 맞춰 CPU에서 사용 가능한 속도로 실행될 수 있습니다. 그렇기 때문에 StarWhisper는 이를 무료 로컬 도구로 패키징할 수 있습니다. 클라우드 구독이 관여하지 않고 오디오가 PC를 떠나지 않으며 인터넷 연결과 상관없이 정확도 이점이 적용됩니다. 모델이 로컬에서 어떻게 실행되는지에 대한 전체 세부 정보는 개인 정보 보호 및 오프라인 기능 페이지에 있습니다.
Windows 음성 입력은 무료이며 내장되어 있고 모든 Windows 10 및 11 머신에 제공되며 설정이 필요 없습니다. 텍스트 상자에 단일 문장을 받아쓰고 억양, 전문 용어 또는 영어 이외의 언어에 신경 쓰지 않는 경우 작동합니다. 많은 사용자는 동등한 내장 받아쓰기가 짧은 메시지에도 충분히 좋은 휴대폰에서도 진정한 가치를 얻습니다.
받아쓰기 요구가 "명확한 미국 영어로, 고유명사 없이, 메모장에서 가끔 짧은 문장"으로 제한된다면 다른 것을 설치할 이유가 없습니다. 몇 주에 한 번씩 한 문장을 위해 별도의 앱을 설치하는 마찰은 가치가 없습니다.
| 기능 | Windows 음성 입력(Win+H) | StarWhisper(Whisper) |
|---|---|---|
| 명확한 영어 정확도 | ~88% | ~97-98% |
| 억양이 있는 영어 | 약함 | 강함 |
| 영어 이외의 언어 | 제한적 | 96개 언어 |
| 전문 / 의료 / 법률 어휘 | 망가짐 | 보존됨 |
| 자동 문장 부호 | 수동("쉼표", "마침표") | 자동 |
| 자동 숫자(3 PM vs three p m) | 아니요 | 예 |
| 오디오가 기기를 떠남 | 예(Microsoft 클라우드) | 아니요(로컬 모드) |
| 오프라인 작동 | 아니요 | 예 |
| GPU 가속 | 아니요 | NVIDIA CUDA + Vulkan |
| 비용 | 무료, 내장 | 500단어/일까지 무료, $10/월 무제한 |
| 단축키 | Win+H(고정) | 구성 가능 |
| 모든 텍스트 필드에서 작동 | 대부분 | 모두 |
선택할 필요가 없습니다. 둘 다 공존할 수 있습니다. 다음은 가장 간단한 방법입니다.
대부분의 사용자는 일주일 이내에 정확도 차이가 충분히 커서 내장 도구가 비교해 짜증나게 느껴지기 때문에 Win+H를 완전히 누르지 않게 됩니다. 두 도구를 나란히 심층적으로 비교하고 싶다면 전용 StarWhisper vs Windows 음성 입력 페이지에서 트레이드오프를 더 자세히 다룹니다.
Whisper는 실제 신경망이며 빠르게 실행하려면 약간의 컴퓨팅 성능이 필요하지만 요구 사항은 2026년 기준으로 적당합니다.
구형 또는 저사양 머신의 경우 StarWhisper가 적절한 Whisper 모델 크기를 자동으로 선택합니다. 소형 모델은 통합 그래픽을 사용하는 최신 Windows 노트북에서도 실시간으로 실행됩니다. 중형 및 대형 모델은 더 느리지만 더 정확하며 GPU의 이점을 받습니다. Vulkan은 AMD 및 Intel 카드용 교차 벤더 GPU 경로로 사용할 수 있습니다.
"Windows 받아쓰기가 왜 이렇게 형편없을까"라고 묻는 이유가 이미 소유하고 있는 머신을 존중하는 무료 로컬 해결책을 원하기 때문이라면 대답은 '예, 이미 소유한 머신에서 작동합니다'입니다. 전문 정확도 기능 페이지에 더 자세한 내용이 있습니다.
이것은 흔한 Win+H 불만 사항입니다. Microsoft 지원 문서의 해결책은 일반적으로 음성 권한을 재설정하거나 언어 팩을 다시 설치하는 것입니다. 이 문제가 여러 번 발생했고 더 안정적인 도구를 원한다면 별도의 받아쓰기 앱을 설치하는 것이 합리적인 해결 방법입니다. StarWhisper는 Windows 음성 스택과 독립적으로 실행되므로 동일한 방식으로 고장 나지 않습니다.
Win+H는 기본적으로 자동 문장 부호를 찍지 않습니다. 최근 일부 Windows 빌드에서는 "자동 문장 부호"라는 설정을 활성화할 수 있지만 동작이 일관되지 않습니다. Whisper는 문장 구조에 따라 문맥적으로 문장 부호를 처리하므로 말하기 일시 정지는 쉼표가 되고 끝은 마침표가 되는 식으로 수동 개입 없이 처리됩니다.
이것은 가장 흔한 불만 사항이며 가장 큰 해결책이 있는 불만 사항입니다. Whisper는 원어민에 가까운 정확도로 억양이 있는 영어를 처리합니다. 억양이 미국 이외의 지역인 경우 격차가 너무 커서 Whisper 기반 도구로 전환하는 것이 처음으로 안경을 맞춘 것 같은 느낌을 줍니다.
Win+H는 대부분의 표준 Windows 텍스트 필드에서 작동하지만 특정 앱에서 예외 사항이 있습니다. StarWhisper는 다른 Windows IME와 동일한 붙여넣기 메커니즘을 사용하므로 Win+H가 실패하는 앱을 포함하여 키보드가 작동하는 모든 곳에서 작동합니다. 이것은 Word, Outlook, Chrome 주소창, Slack 등에 적용됩니다. 전용 오프라인 음성 받아쓰기 FAQ에서 호환성 목록을 안내합니다.
무료 플랜은 하루에 500단어를 포함하며, 이는 일주일이나 두 주 동안 실제 작업에 대한 정확도 차이를 평가하기에 충분합니다. 받아쓰기를 많이 사용하는 경우(작가, 연구원, 콘텐츠 제작자, 하루에 몇 천 단어 이상을 생성하는 모든 사람) Pro는 월 $10 또는 연 $80입니다. 사용자당 수학 계산이나 업셀 티어가 없습니다. 홈페이지 가격 섹션에서 가격 세부 정보를 확인하세요.
특히 작가의 경우 정확도가 더 이상 장애물이 아니면 Whisper 기반 받아쓰기의 속도가 주요 매력입니다. 장문 글쓰기 워크플로우에 대해서는 특히 작가를 위한 음성을 텍스트로를 참조하세요.