Whisper 청크 크기 모범 사례: 정확도와 지연 시간을 위한 최적 설정

소개

• 문장이 끊김
• 단어 누락
• 단어 오류율(WER) 증가
• 불필요한 지연 시간과 비용

---

Whisper에서 청크 크기가 중요한 이유

• 문맥 파악
• 전사 정확도
• 지연 시간
• 시스템 처리량

---

권장 Whisper 청크 크기

빠른 참조 표

사용 사례	청크 크기	오버랩
배치 전사	20–30s	2–3s
팟캐스트 / YouTube	25–30s	3s
회의	15–20s	2s
통화 녹음	10–15s	2s
스트리밍 / 라이브	2–5s	0.5–1s

---

긴 오디오 전사(최고 정확도)

• 청크 크기: 20–30초
• 오버랩: 2–3초

• 문장 수준의 문맥 유지
• 구두점·대문자 품질 향상
• 문장 중간에서 끊기는 경우 감소

---

짧은 청크: 낮은 지연이 중요할 때

• 실시간 자막
• 라이브 회의
• 음성 비서

• 청크 크기: 2–5초
• 오버랩: 0.5–1초

• 피드백이 더 빠름
• 문맥은 적음
• 버퍼링 또는 재프롬프트 필요

---

청크 오버랩: 빼먹지 마세요

• 오버랩 ≈ 청크 크기의 10–15%
• 후처리에서 겹치는 텍스트 중복 제거
• 신뢰도가 더 높은 전사 유지

• 청크 크기: 20s
• 오버랩: 2s

---

고정 길이 vs VAD 기반 청크

고정 길이 청킹

• 단순함
• 예측 가능

---

VAD 기반 청킹(권장)

• 침묵에서 분할
• 자연스러운 구간 생성
• 가독성 향상

• WebRTC VAD
• Silero VAD
• pyannote.audio

---

오디오 유형별 청크 크기 조정

팟캐스트·독백

• 더 큰 청크(25–30s)
• 오버랩 최소
• 정확도 우선

---

대화·통화

• 중간 청크(10–15s)
• VAD 기반 분할
• 화자를 고려한 병합

---

노이즈가 많은 오디오

• 더 작은 청크(8–12s)
• 오버랩 증가
• 오류 전파 완화에 도움

---

청크 간 프롬프트

result = model.transcribe(
    chunk,
    initial_prompt=previous_text
)

---

성능과 비용

청크 크기	정확도	지연 시간	비용
2–5s	보통	매우 낮음	높음
10–15s	높음	보통	보통
20–30s	매우 높음	다소 높음	낮음

---

흔한 청크 크기 실수

• 어디서나 최대 크기 사용
• 청크 간 오버랩 없음
• 모든 오디오에 동일한 크기
• 침묵 검출 무시

• 사용 사례별로 청크 크기 조정
• 항상 오버랩 사용
• 테스트하고 WER 측정

---

실무 권장

• 라이브 미리보기 → 3–5초 청크
• 최종 전사본 → 20–30초 청크
• 어디서나 VAD + 오버랩

• 사용자 경험
• 정확도
• 비용

---

마무리

• 오디오 길이
• 지연 요구사항
• 정확도 기대치
• 인프라 비용

---

FAQ