Apple Silicon Mac에서 미팅 녹음을 로컬로 전사하는 도구. Notta 같은 유료 서비스 없이, 더 높은 퀄리티로 전사 + 화자 분리까지 가능.

두 개의 오픈소스 도구를 조합해서 각각의 장점만 사용:

왜 이렇게? whispermlx 단독 사용 시 한국어에서 hallucination("Jelly Jelly..." 반복)이 발생. mlx-whisper는 --hallucination-silence-threshold 옵션으로 이를 방지할 수 있지만 화자 분리가 없음. 그래서 전사는 mlx-whisper, 화자 분리는 whispermlx에서 가져와 병합.

pip3 install mlx-whisper

설치 후 확인:

mlx_whisper --help

Python 3.10+ 필요. uv로 설치하는 게 가장 간단:

# uv 없으면 먼저 설치
brew install uv

# whispermlx 설치
uv tool install whispermlx --python 3.12

설치 후 확인:

whispermlx --help

1. https://huggingface.co/settings/tokens 에서 토큰 발급
2. 아래 두 모델 페이지에서 "Agree and access repository" 클릭:
   • https://huggingface.co/pyannote/speaker-diarization-community-1
   • https://huggingface.co/pyannote/segmentation-3.0

python3 transcribe.py meeting.m4a

출력: ./meeting.txt

00:00 네. 저희 그래서 30일에 먼저 태국으로 가세요?
00:15 스미님은?
00:17 예정상으로는 그렇긴 합니다.

python3 transcribe.py meeting.m4a --diarize --hf-token YOUR_TOKEN

출력: ./meeting.txt

[SPEAKER_03] 00:00 네. 저희 그래서 30일에 먼저 태국으로 가세요?
[SPEAKER_03] 00:15 스미님은?
[SPEAKER_02] 00:17 예정상으로는 그렇긴 합니다.

python3 transcribe.py meeting.m4a --diarize --hf-token YOUR_TOKEN -o ./output

Whisper는 오디오가 길어질수록 후반부 품질이 떨어짐. 1시간 이상이면 분할 후 전사.

ffmpeg -i meeting.m4a -f segment -segment_time 1800 -c copy meeting_%03d.m4a

자동 감지가 훨씬 정확. 한국어+영어 섞인 미팅에서 언어를 고정하면 오히려 품질이 떨어짐.

모델을 다운로드해야 해서 첫 실행에 시간이 걸림 (약 3GB). 이후에는 캐시되어 빠르게 동작.

• Apple Silicon Mac (M1/M2/M3/M4)
• Python 3.9+ (mlx-whisper용)
• uv (whispermlx 설치용)
• ffmpeg (오디오 분할 시): brew install ffmpeg

20분 한국어 미팅 기준: