YouTube 동영상 텍스트 변환
OpenAI Whisper와 yt-dlp를 사용하여 YouTube 동영상을 텍스트로 변환합니다.
개요
이 스킬은 yt-dlp를 사용하여 YouTube 동영상에서 오디오를 다운로드하고, OpenAI의 Whisper 모델을 사용하여 텍스트로 변환합니다. 여러 출력 형식(txt, srt, vtt, json)과 다양한 모델 크기를 지원하여 정확도와 속도 간의 균형을 맞출 수 있습니다.
지침
1. 종속성 설치
# whisper와 yt-dlp 설치
pip install openai-whisper yt-dlp
# ffmpeg 설치 확인 (오디오 처리에 필요)
ffmpeg -version
ffmpeg이 없는 경우:
- macOS:
brew install ffmpeg - Ubuntu/Debian:
sudo apt install ffmpeg - Windows: https://ffmpeg.org/download.html 에서 다운로드
2. YouTube에서 오디오 다운로드
# 최상의 오디오 품질을 WAV로 다운로드
yt-dlp -x --audio-format wav -o "%(title)s.%(ext)s" "YOUTUBE_URL"
# MP3로 다운로드 (파일 크기 작음)
yt-dlp -x --audio-format mp3 -o "%(title)s.%(ext)s" "YOUTUBE_URL"
# 비디오 ID를 파일명으로 다운로드 (특수 문자에 안전)
yt-dlp -x --audio-format wav -o "%(id)s.%(ext)s" "YOUTUBE_URL"
3. Whisper 모델 선택
| 모델 | 파라미터 | VRAM | 상대 속도 | 사용 사례 |
|---|---|---|---|---|
| tiny | 39M | ~1 GB | ~32x | 빠른 초안, 테스트 |
| base | 74M | ~1 GB | ~16x | 빠른 변환 |
| small | 244M | ~2 GB | ~6x | 좋은 균형 |
| medium | 769M | ~5 GB | ~2x | 높은 정확도 |
| large | 1550M | ~10 GB | 1x | 최고 정확도 |
영어 전용 모델(tiny.en, base.en, small.en, medium.en)은 영어 콘텐츠에 대해 더 빠릅니다.
4. 변환 실행
CLI 접근법:
# 기본 변환 (언어 자동 감지)
whisper audio.wav --model medium
# 특정 언어 지정하여 정확도 향상
whisper audio.wav --model medium --language en
# 특정 출력 형식
whisper audio.wav --model medium --output_format srt
# 모든 형식 한 번에
whisper audio.wav --model medium --output_format all
# 출력 디렉토리 지정
whisper audio.wav --model medium --output_dir ./transcripts
Python 접근법:
import whisper
# 모델 로드 (첫 실행 시 다운로드)
model = whisper.load_model("medium")
# 변환
result = model.transcribe("audio.wav", language="en")
# 일반 텍스트 가져오기
print(result["text"])
# 타임스탬프가 있는 세그먼트 가져오기
for segment in result["segments"]:
print(f"[{segment['start']:.2f} - {segment['end']:.2f}] {segment['text']}")
5. 단일 명령어 파이프라인
다운로드와 변환 결합:
# 한 명령어로 다운로드 및 변환
yt-dlp -x --audio-format wav -o "audio.wav" "YOUTUBE_URL" && whisper audio.wav --model medium --output_format all
6. 대안: yt-whisper 도구
더 간단한 워크플로우를 위해 전용 yt-whisper 패키지를 사용하세요:
# 설치
pip install git+https://github.com/m1guelpf/yt-whisper.git
# URL에서 직접 변환
yt_whisper "https://www.youtube.com/watch?v=VIDEO_ID"
# 옵션 포함
yt_whisper "YOUTUBE_URL" --model medium --language en --output_format srt
출력 형식
| 형식 | 확장자 | 설명 |
|---|---|---|
| txt | .txt | 일반 텍스트 변환 |
| srt | .srt | SubRip 자막 형식 (타임스탬프 포함) |
| vtt | .vtt | WebVTT 자막 형식 |
| tsv | .tsv | 탭으로 구분된 값 |
| json | .json | 단어 수준 타임스탬프를 포함한 전체 데이터 |
예제
<예제> 사용자: 이 YouTube 동영상을 텍스트로 변환해 줘 단계:
- yt-dlp -x --audio-format wav -o "video.wav" "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
- whisper video.wav --model medium --language en --output_format txt 출력: 전체 변환 내용이 담긴 video.txt </예제>
<예제> 사용자: YouTube 강의의 SRT 자막을 생성해 줘 단계:
- yt-dlp -x --audio-format wav -o "lecture.wav" "https://www.youtube.com/watch?v=LECTURE_ID"
- whisper lecture.wav --model medium --output_format srt 출력: 타임스탬프가 포함된 lecture.srt 자막 파일 </예제>
<예제> 사용자: 스페인어 YouTube 동영상을 변환해 줘 단계:
- yt-dlp -x --audio-format wav -o "spanish.wav" "https://www.youtube.com/watch?v=VIDEO_ID"
- whisper spanish.wav --model medium --language es --output_format all 출력: spanish.txt, spanish.srt, spanish.vtt, spanish.json </예제>
<예제> 사용자: 짧은 동영상 빠르게 변환 (정확도보다 속도 우선) 명령어: yt-dlp -x --audio-format mp3 -o "quick.mp3" "URL" && whisper quick.mp3 --model tiny.en </예제>
<예제> 사용자: Python에서 타임스탬프가 포함된 변환 결과 가져오기
import whisper
model = whisper.load_model("medium")
result = model.transcribe("audio.wav")
for seg in result["segments"]:
print(f"[{seg['start']:.1f}s] {seg['text']}")
</예제>
지침
--language플래그를 사용하여 언어를 알 때 지정하면 정확도가 크게 향상됩니다.- 긴 동영상(1시간 이상)의 경우
small또는medium모델을 사용하여 속도와 정확도의 균형을 맞추세요. - 영어 전용 모델(
.en접미사)은 영어 콘텐츠에 대해 더 빠르고 정확합니다. - GPU(CUDA)를 사용하면 변환 속도가 비약적으로 빨라집니다. CPU로도 작동하지만 5~10배 느립니다.
- 변환이 실패하면 ffmpeg이 올바르게 설치되어 있고 PATH에 있는지 확인하세요.
- 배경 음악이 있는 동영상의 경우 큰 모델(medium/large)이 더 잘 처리합니다.
- 변환 후 오디오 파일을 정리하여 디스크 공간을 절약하세요.
--output_format all을 사용하여 모든 형식을 한 번에 얻은 후, 필요한 것을 선택하세요.