프로젝트 video2text

video2text

v1.0.1 · MIT

완전 로컬로 동작하는 화자 분리 전사 앱. mp4 영상/오디오 파일을 화자별로 정리된 텍스트로 바꿔주며, 어떤 파일도 외부로 전송되지 않습니다.

GitHub 문서 읽기

Transcription Speaker Diarization Whisper macOS Apple Silicon Privacy Local AI

Quick Install

Download (macOS, Apple Silicon)

curl -LO https://github.com/neurosamAI/video2text/releases/latest/download/video2text-v1.0.1-macos-arm64.zip

Build from source

git clone https://github.com/neurosamAI/video2text && cd video2text && ./build.sh

Key Features

완전 로컬 처리

음성 인식과 화자 분리 모두 Apple Silicon 안에서만 실행됩니다. 회의 내용과 목소리가 외부 서버로 전송되지 않습니다.

내 목소리 자동 매칭

SpeechBrain 화자 임베딩으로 등록된 목소리 프로필과 화자 분리 결과를 비교해 이름을 자동으로 매칭합니다.

재매칭 / 재라벨링

화자 매칭이 틀렸거나 프로필을 나중에 추가해도, 음성 인식·화자 분리를 처음부터 재실행하지 않고 매칭만 다시 돌리거나 라벨을 직접 고칠 수 있습니다.

독립 실행형 앱 번들

Python 런타임과 ffmpeg, torch/mlx-whisper/pyannote 의존성을 통째로 담은 번들이라 다른 Apple Silicon Mac에 복사만 해도 그대로 동작합니다.

3가지 내보내기 포맷

TXT(읽기 편한 전사본), SRT(영상 자막), JSON(화자별 블록 + 타임스탬프 원본)으로 결과를 내려받습니다.

네이티브 데스크톱 UI

pywebview 기반 네이티브 macOS 창에서 드래그 앤 드롭으로 변환하고, 진행 상황을 실시간으로 확인합니다.

Overview

Quick Start

video2text는 mp4(주로 화상회의 녹화본)나 오디오 파일을 넣으면 화자 분리(diarization)된 텍스트 전사본을 만들어주는 완전 로컬 앱입니다. 온라인 회의(화면 분할)든 오프라인 회의 녹화(단일 카메라 + 믹스된 오디오)든, 오디오 트랙 하나에 여러 화자가 섞여 들어온다는 점은 동일하므로 같은 파이프라인(오디오 기반 화자 분리)으로 처리합니다.

기본 워크플로우

빌드 없이 바로 쓰려면 최신 릴리즈에서 video2text-v1.0.1-macos-arm64.zip을 받아 압축을 풀고 video2text.app을 더블클릭하면 됩니다.

직접 빌드하려면:

# 저장소 클론 & 앱 번들 빌드
git clone https://github.com/neurosamAI/video2text
cd video2text
./build.sh

# 데스크톱 앱 실행 (video2text.app 더블클릭)
# 또는 터미널에서 웹 서버로 실행
./run.sh   # http://127.0.0.1:8765

사용 흐름

내 목소리 프로필 등록 (선택, 추천) — 이름을 입력하고 짧은 문장을 녹음하거나 기존 오디오/영상을 업로드
mp4 변환 — 파일을 드래그하거나 선택하고 매칭할 프로필을 체크한 뒤 변환 시작
진행 상황 확인 — 오디오 추출 → 화자 분리 → 음성 인식 → 화자 매칭 → 완료
결과 다운로드 — TXT / SRT / JSON 중 원하는 형식 선택

구성 요소

컴포넌트	역할
`pyannote/speaker-diarization-3.1`	화자 분리
`mlx-community/whisper-large-v3-turbo`	음성 인식 (Apple Silicon Metal 가속)
`speechbrain/spkrec-ecapa-voxceleb`	화자 임베딩 (내 목소리 자동 매칭)
FastAPI + pywebview	로컬 웹 서버 + 네이티브 macOS 데스크톱 셸

처음 실행 시 각 모델 가중치를 HuggingFace / Apple(mlx-community)에서 한 번 내려받습니다. 이후에는 완전히 오프라인으로 동작합니다.

Comparison

	video2text	Otter.ai	Whisper API	Zoom AI Companion
처리 위치	완전 로컬(온디바이스)	클라우드	클라우드	클라우드
파일 업로드	불필요	필요	필요	필요
화자 분리	✓ (내장)	✓	직접 구현 필요	✓
내 목소리 자동 매칭	✓	✓ (계정 기반)	✗	✗
재매칭/재라벨링	✓ (파이프라인 재실행 없음)	✗	✗	✗
비용	무료 (오픈소스)	구독	사용량 과금	구독 부가
오프라인 사용	✓	✗	✗	✗
지원 플랫폼	macOS(Apple Silicon)	웹/모바일	API	웹/앱

사용해 보세요

피드백과 기여를 환영합니다. GitHub에서 이슈를 남기거나 PR을 보내주세요.

GitHub에서 보기 문서 읽기