로그인

듣기

앱이 듣는 것

앱은 두 채널을 들어요. 내 마이크(나)와 컴퓨터 소리(다른 참가자)예요. 지금까지 들린 말은 “말하는 중…” 말풍선에 바로 나타나고, 문장이 끝나면 완성된 문장으로 바뀌어요.

음성이 텍스트로 변환되는 곳

설정, 그다음 고급, 그다음 오디오, 그다음 음성 인식에서 선택하세요.

오디오 설정: 음성 인식, 모델을 아직 다운로드하지 않은 상태
  1. 엔진: 음성이 텍스트로 변환되는 곳이에요. 자동(기본값)은 플랜에 저희 호스팅 서비스가 포함되어 있고 크레딧이 남아 있는 동안 호스팅 서비스를, 그 밖에는 이 컴퓨터의 모델을 사용해요
  2. 철자를 맞출 단어(비어 있음): 호스팅 음성 인식이 내가 쓰는 대로 표기해야 할 이름과 드문 단어를 쉼표로 구분해 입력해요. 이 컴퓨터의 모델은 이를 무시해요
  3. 로컬 모델: 자동(기본값), 빠름 또는 균형
  4. GPU 사용(켜짐): 앱이 그래픽 카드를 찾으면 모델을 그래픽 카드에서 실행하고, 끄면 프로세서에서 실행해요. 괄호 안에 그래픽 카드 이름이 표시돼요. 음성을 듣거나 변환하는 중이 아닌, 문장 사이에만 바뀔 수 있어요
  5. (도움말 “균형 모델 다운로드(574MB)”)은 크기와 huggingface.co에서 받는다는 내용의 카드를 거친 후 모델을 다운로드해요
  6. 모델 상태: 다운로드 안 됨, 일부 다운로드됨, 다운로드 중, 또는 모델 준비됨과 크기
  • 로컬 음성 인식(엔진 상자의 “이 컴퓨터에서”): 내 컴퓨터에서 음성을 텍스트로 변환하며, 오디오가 컴퓨터 밖으로 나가지 않아요. 음성 모델은 처음 시작할 때 한 번 다운로드되며(빠름: 약 265MB, 균형: 약 575MB), 준비될 때까지는 아무것도 텍스트로 변환되지 않아요. 로컬 모델 상자에서 모델을 골라요. 자동(기본값)은 음성 속도를 따라갈 수 있는 그래픽 카드가 있으면 균형을, 그렇지 않으면 빠름을 사용해요. 빠름은 어떤 컴퓨터에서든 실행되고, 균형은 더 정확하지만 그래픽 카드나 Apple Silicon이 필요해요. 앱이 그래픽 카드를 찾으면 상자 아래에 GPU 사용 스위치(기본값은 켜짐)가 나타나며, 이를 꺼서 음성 인식을 프로세서에서 실행할 수도 있어요.
  • 저희 호스팅 서비스(앱의 “클라우드(letmesoloit.com)”, All-Inclusive 또는 Credit Pack이 있는 모든 플랜): 오디오가 저희 서버를 거치며 크레딧으로 결제돼요. 스트리밍 옵션을 켜면 사람들이 말하는 동안 단어가 표시돼요. 스트림도 문장과 마찬가지로 전송한 오디오 전체에 대해 10초마다 1크레딧이 청구돼요. 이름과 드문 단어를 정확히 표기하도록, 앱은 오디오와 함께 최대 100개의 단어를 보내요. 먼저 내 목록, 그다음 현재 프로필의 내 소개에서 고른 이름 같은 단어예요. 내 목록은 설정, 그다음 고급, 그다음 오디오, 그다음 음성 인식, 그다음 철자를 맞출 단어에 있어요. 단어는 쉼표로 구분하세요(빈 칸에는 “예: Kubernetes, Grafana, 동료 이름”이 예시로 표시돼요). 호스팅 음성 인식은 비슷한 소리를 들으면 이 표기를 우선 사용해요. 내 키로 설정한 서비스는 지원하는 경우 이 목록을 받고, 이 컴퓨터의 모델은 목록을 무시해요.
  • 내 키로 설정한 서비스.
  • 자동(기본값)은 플랜에 저희 호스팅 서비스가 포함되어 있고 크레딧이 남아 있는 동안, 모든 언어와 모든 컴퓨터에서 호스팅 서비스를 사용하며, 서비스가 스트리밍을 지원하면 스트리밍해요. 그렇지 않으면 로컬 음성 인식을 사용하며, 저희 서비스에 연결할 수 없거나 실패할 때의 대체 수단도 로컬 음성 인식이에요. 저희 호스팅 서비스가 없으면 채팅은 음성 모델 다운로드가 끝날 때까지 기다리며, 진행 상황이 표시돼요. 자동은 내 키로 설정한 서비스를 절대 사용하지 않아요.

로컬 모델 다운로드가 끝나면 상태가 모델 준비됨으로 바뀌고, 다운로드 화살표 대신 모델을 다시 삭제하는 휴지통이 나타나요.

다운로드된 로컬 음성 모델
  1. (도움말 “다운로드한 모델 삭제(574MB)”)은 확보되는 용량을 알려 주는 카드를 거친 후 모델을 삭제해요. 위의 상태는 모델 준비됨으로 표시되며, 필요할 때 모델을 다시 다운로드해요

각 선택지가 무엇을 보내고 보관하는지는 개인정보 처리방침에 있어요.

내 키로 쓰는 클라우드 서비스

설정, 그다음 고급, 그다음 오디오, 그다음 내 키를 사용한 클라우드 음성 인식에서 서비스를 고르고, API 키를 붙여 넣고, 모델을 선택하세요. 앱이 키를 테스트하고 작동하는지 알려 줘요. 그런 다음 엔진으로 그 서비스의 내 키 선택지를 고르세요. 서비스가 거부하면 창에 이유가 표시돼요. 아래에서 …는 서비스 이름과, 메시지에서 링크로 연결되는 설정 속 위치를 나타내요.

  • …에서 키를 거부했어요. …에서 확인하세요. 키가 잘못되었거나 더 이상 유효하지 않아요.
  • …에 따르면 이 키에 남은 크레딧이나 할당량이 없어요. 앱에서는 바꿀 수 없으므로, 서비스 자체 대시보드의 내 계정에서 크레딧을 충전하거나 할당량을 늘리세요. 또는 다른 엔진을 고르세요.
  • …에서 …에 지정된 모델을 제공하지 않아요. 같은 곳에서 다른 모델을 선택하세요.
  • …에서 요청을 제한하고 있어요. 일부 구절을 놓칠 수 있어요. 제한이 풀리면 다시 전달돼요.

언어

음성 인식과 힌트는 12개 언어로 작동해요. 영어, 우크라이나어, 러시아어, 독일어, 스페인어, 프랑스어, 일본어, 폴란드어, 스웨덴어, 중국어, 한국어, 포르투갈어예요. 설정, 그다음 언어에 있는 통화 언어 설정 하나로 방식을 정해요. 기본값은 영어예요. 직접 고른 언어는 감지 없이 그 언어 그대로 인식돼요. 자동은 이 컴퓨터의 음성 인식이나 저희 호스팅 서비스로 통화 양쪽이 말하는 언어를 각각 감지하고, 저희 호스팅 서비스가 답변하며, 힌트는 내 언어로 답해요. 내 키로 설정한 음성 서비스나 내 제공업체의 답변은 항상 직접 고른 언어로 들어요. 이 경우 목록에 자동이 없고, 저장된 자동은 영어로 작동해요. 이는 실시간으로 경로를 따라가요. 통화 중에 답변이 내 제공업체로 넘어가면 감지가 멈추고 행이 바뀌어요.

자동에서는 통화의 각 쪽마다 따로 감지해요. 각각 3초 이상의 음성이 담긴 서로 다른 발화 두 개가 같은 언어로 일치하면 그 쪽의 언어가 정해져요. 발화 4개 또는 그쪽 음성 30초가 지나도 일치하지 않으면, 지금까지 가장 오래 들린 언어로 정해져요(같으면 가장 최근 언어). 이 컴퓨터의 작은 언어 감지기도 3초 이상의 음성이 담긴 각 문장을 들어요. 감지기가 그 문장이 12개 언어 중 다른 언어라고 확신하면, 그 문장부터 바로 통화의 해당 쪽 언어가 바뀌고 답변도 따라가요. 내 마이크는 방 안의 소리와 내 스피커 소리도 듣기 때문에, 내 마이크 쪽은 감지기가 20초 이내에 시작된 연속된 두 문장에서 같은 새 언어를 확신할 때만 바뀌어요. 그러면 두 문장이 새 언어로 다시 표시돼요. 더 짧은 문장은 계산되지 않으므로 “OK”나 이름 하나로 언어가 바뀌지는 않아요. 언어가 정해지기 전까지는 상대 쪽의 언어를, 그것도 없으면 영어를 사용해요. 이 컴퓨터의 음성 인식은 오디오로, 저희 호스팅 서비스는 완성된 각 문장의 텍스트로 언어를 감지해요. 스트리밍에서는 각 쪽의 스트림이 그 쪽의 마지막 언어(이 컴퓨터에 보관된 이전 통화의 해당 쪽 언어, 없으면 상대 쪽 언어, 그것도 없으면 영어)로 바로 열리므로 첫 순간부터 텍스트가 표시돼요. 감지기가 다른 언어를 들으면 앱이 오디오 없이 그 언어를 알리는 짧은 신호를 스트림에 보내요. 저희 호스팅 서비스는 이미 받은 오디오로 그 문장을 새 언어로 다시 인식하고, 새 텍스트가 표시된 내용을 대체해요. 아무것도 두 번 전송되거나 청구되지 않아요. 힌트는 내 쪽 언어로, 그것이 없으면 통화의 언어로 답해요.

직접 고른 언어는 그 언어 그대로 인식돼요. 감지나 자동 전환 없이 그 언어로만 음성을 읽고, 답변도 그 언어를 따라가요. 이때 제2 언어는 단축키 하나로 바꿀 수 있어요. 힌트를 참고하세요.

로컬 음성 인식에 필요한 것

아래 수치는 대략적인 값이에요. 메모리와 디스크를 포함해 시스템 전체에 필요한 사양은 시스템 요구 사항에 있어요.

  • 시스템 요구 사항 표에 나온 그래픽이 있으면 2코어(4스레드)와 8GB 메모리로 충분해요. 그래픽이 없으면 영어, 러시아어, 독일어, 스페인어, 프랑스어, 일본어, 폴란드어, 스웨덴어는 프로세서만으로 실행돼요. 8코어(16스레드)와 16GB 메모리면 통화 양쪽을 따라갈 수 있고, 6코어(12스레드)와 8GB가 대략 최소 사양이에요.
  • 우크라이나어, 중국어, 한국어, 포르투갈어와 더 정확한 균형 모델에는 그래픽 카드가 필요해요. 균형 모델은 4GB 이상의 비디오 메모리가 필요하며, 시스템 요구 사항에 제조사별 그래픽 카드가 나와 있어요. 노트북 내장 그래픽은 빠름 모델만 거의 실시간으로 실행할 수 있어요. Windows와 Linux에서는 그래픽 카드에 Vulkan 드라이버가 필요하며, 최신 NVIDIA, AMD, Intel 드라이버에는 포함되어 있어요.
  • 측정 예시(2026-10-14, 실제 통화를 소리 내어 재생): AMD Radeon Vega 3 그래픽이 있는 2코어 4스레드 저사양 노트북에서는 언어가 정해진 후 빠름 모델이 문장당 약 3초가 걸려서, 문장이 끝나고 약 3.5~5초 후에 텍스트가 나타나요. 언어를 감지하는 동안에는 문장당 약 5초가 걸려요. 이 노트북에서 균형 모델은 너무 느려서 자동이 선택하지 않아요. GeForce GTX 1650에서는 균형 모델이 문장당 약 1.3초(감지 중에는 약 2.1초)가 걸리며 그래픽 카드에 상주해요. 번갈아 말하는 통화는 따라갈 수 있지만, 양쪽이 쉬지 않고 동시에 말하면 따라가지 못해요.
  • 저희 호스팅 서비스가 포함된 플랜에서는 자동이 이 네 가지를 포함한 모든 언어를 호스팅 서비스로 보내므로, 내 컴퓨터의 하드웨어는 상관없어요. 포함되지 않은 플랜에서는 자동이 이 컴퓨터에서 따라갈 수 있는 가장 좋은 모델로 실행하며, 그래픽 카드나 Apple Silicon이 없으면 뒤처질 수 있어요.
  • 그래픽 카드의 모델이 너무 느리면 자동은 먼저 프로세서에서 한 번 실행해 보고 더 빠른 쪽을 유지하며, 옮겼다면 “음성 인식이 …(으)로 전환됐어요”라고 알려 줘요. 이 버전의 앱에서는 다시 시도하지 않아요. 그래도 컴퓨터가 뒤처지면 앱이 알려 주고 더 빠른 선택지를 제안해요. 저희 호스팅 서비스가 포함된 플랜에서는 빠름 또는 저희 서비스(빠름도 너무 느리면 저희 서비스만), 포함되지 않은 플랜에서는 빠름 또는 제공되는 경우 “GPU 사용” 스위치(빠름도 너무 느리면 스위치만)예요. 앱은 가장 빠른 로컬 선택지를 유지해 자막을 실시간에 가깝게 유지하며, 스스로 오디오를 클라우드로 보내는 일은 없어요.

마이크와 스피커

설정, 그다음 고급, 그다음 오디오에는 마이크와 스피커 소스 목록이 있고, 사용 중인 장치가 표시돼요. 변경 사항은 저장하면 바로 적용되며, 열리지 않는 장치를 고르면 이전 장치가 유지돼요. 저장된 장치가 듣기를 시작할 때 연결되어 있지 않으면(헤드폰이 꺼져 있는 경우 등) 그 실행 동안에는 시스템 기본값으로 대체돼요. 설정은 그대로 남으므로 다음에 장치가 연결되어 있으면 다시 사용돼요. macOS에서는 선택할 스피커가 없어요. 앱이 화면 기록 권한으로 컴퓨터 소리를 직접 들어요.

오디오 설정: 장치
  1. 마이크 장치(시스템 기본값): 앱이 내 목소리로 듣는 마이크예요. 상자 안의 (도움말 “새로 고침”)은 장치 목록을 다시 읽어 와요
  2. 스피커 장치(시스템 기본값): 앱이 다른 참가자의 소리로 듣는 출력이에요

음성 감지

아래 그림에 번호가 매겨진 음성 감지 섹션은 무엇을 음성으로 볼지 정해요. 두 임계값은 소리가 음성으로 인정되는 수준을 정하며, 하나는 내 마이크용(기본값 100), 하나는 다른 참가자용(200)이에요. 각각 1부터 10,000까지 설정할 수 있어요. 내 말에도 힌트는 기본적으로 꺼져 있어요. 앱은 다른 참가자의 말에 답하며, 켜면 내 말에도 답해요. 스피커 에코 필터는 기본적으로 켜져 있으며, 통화 소리가 스피커를 통해 다시 들어온 것뿐인 마이크 문장을 버려요. 감도 자동 조정은 기본적으로 켜져 있어요. 앱이 듣는 동안 각 임계값이 저장된 값의 절반에서 두 배 사이에서 통화에 맞춰 바뀌며, 저장되지는 않으므로 다음 시작 때는 다시 내 값으로 시작해요. 보정 제안은 기본적으로 켜져 있어요. 한쪽이 계속 인식되지 않으면 보정 링크와 함께 알림이 나타나요. 끄면 알림이 나오지 않으며, 설정의 보정은 어느 쪽이든 사용할 수 있어요.

오디오 설정: 음성 감지
  1. (도움말 “마이크 보정”)은 3초 동안 조용히 있다가 문장 하나를 세 번 소리 내어 읽게 하고, 마이크 임계값을 설정해요. 앱이 듣고 있는 동안 작동해요
  2. (도움말 “스피커 보정”)은 내가 조용히 있는 동안 짧은 클립을 스피커로 세 번 재생하고, 스피커 임계값을 설정해요
  3. 마이크 임계값, 1~10,000(100): 소리가 내 목소리로 인정되는 수준이에요. 앱이 소음을 말로 인식하면 올리고, 조용한 말이 누락되면 낮추세요
  4. 스피커 임계값, 1~10,000(200): 다른 참가자에 대한 같은 설정이에요
  5. 내 말에도 힌트(꺼짐): 다른 참가자뿐 아니라 내가 하는 말에도 답해요
  6. 스피커 에코 필터(켜짐): 통화 소리가 스피커를 통해 다시 들어온 것뿐인 마이크 문장을 버려요. 내 말이 누락될 때만 끄세요
  7. 감도 자동 조정(켜짐): 통화 중에 임계값이 저장된 값의 절반에서 두 배 사이에서 통화에 맞춰 바뀌며, 저장되지 않아요
  8. 보정 제안(켜짐): 한쪽이 계속 인식되지 않으면 보정 링크와 함께 알려 줘요

보정

한쪽이 계속 인식되지 않으면 창에 “상대방 말을 알아듣기 어려워요. 볼륨을 확인하거나 보정하세요.”(또는 “내 마이크”)라고 표시돼요. 먼저 시스템 볼륨을 확인하고, 설정, 그다음 고급, 그다음 오디오에서 올바른 마이크와 스피커를 사용하는지 확인하세요.

그런 다음 앱이 듣고 있는 동안 보정하세요. 알림의 보정 링크를 누르면 설정, 그다음 고급, 그다음 오디오의 음성 감지 제목에 있는 두 보정 버튼 와(과) (으)로 이동해요. 마이크 보정(도움말 “마이크 보정”)은 3초 동안 조용히 있다가 문장 하나를 세 번 소리 내어 읽으라고 안내해요. 스피커 보정(도움말 “스피커 보정”)은 내가 조용히 있는 동안 짧은 클립을 스피커로 세 번 재생해요. 앱이 배경 소음과 음성 사이로 수준을 설정하며, 저장을 누르면 유지돼요. 음성이 소음보다 확실히 크지 않으면 앱이 알려 주고 아무것도 바꾸지 않아요.

다른 참가자의 음성이 계속 인식되지 않을 때의 알림
  1. 보정 버튼으로 이동하는 보정 링크가 있는 알림

마이크 음소거

Ctrl+Alt+M 또는 액션 바의 을(를) 누르면 앱이 내 목소리를 듣지 않아요. 마이크 소리는 텍스트로 변환되지도, 전송되지도 않아요. 다른 참가자의 음성은 계속 들리며, 통화 자체에서 음소거되는 것은 아니에요. 짝을 이루는 Ctrl+Alt+O 또는 옆의 은(는) 반대로 다른 참가자를 일시 중지해요. 다시 누를 때까지 상대의 음성은 텍스트로 변환되지도, 전송되지도, 요금이 부과되지도 않아요. 실행할 때마다 음소거와 일시 중지가 해제된 상태로 시작해요.