YouTube 동영상 텍스트 변환은(는) 무엇을 하나요?
OpenAI Whisper와 yt-dlp를 사용하여 YouTube 동영상을 텍스트로 변환합니다.
개요
이 스킬은 yt-dlp를 사용하여 YouTube 동영상에서 오디오를 다운로드하고 OpenAI의 Whisper 모델로 텍스트로 변환합니다. 다양한 출력 형식(txt, srt, vtt, json)과 여러 모델 크기를 지원하여 정확도/속도 트레이드오프를 조정할 수 있습니다.
지침
1. 종속성 설치
# whisper와 yt-dlp 설치
pip install openai-whisper yt-dlp
# ffmpeg 설치 확인 (오디오 처리에 필요)
ffmpeg -version
ffmpeg가 없으면:
- macOS:
brew install ffmpeg - Ubuntu/Debian:
sudo apt install ffmpeg - Windows: https://ffmpeg.org/download.html 에서 다운로드
2. YouTube에서 오디오 다운로드
# 최고 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 사용 (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 텍스트 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 콘텐츠에서 더 빠릅니다.
4. 텍스트 변환 실행
CLI 접근 방식:
# 기본 텍스트 변환 (언어 자동 감지)
whisper audio.wav --model medium
# 언어를 지정하여 정확도 향상
whisper audio.wav --model medium --language en
# 특정 출력 형식
whisper audio.wav --model medium --output_format srt
# 모든 형식을 한 번에
whisper audio.wav --model medium --output_format all
# 출력 디렉토리 지정
whisper audio.wav --model medium --output_dir ./transcripts
Python 접근 방식:
import whisper
# 모델 로드 (첫 실행 시 다운로드)
model = whisper.load_model("medium")
# 텍스트 변환
result = model.transcribe("audio.wav", language="en")
# 일반 텍스트 가져오기
print(result["text"])
# 타임스탬프가 포함된 세그먼트 가져오기
for segment in result["segments"]:
print(f"[{segment['start']:.2f} - {segment['end']:.2f}] {segment['text']}")
5. 원라인 파이프라인
다운로드와 텍스트 변환 결합:
# 한 명령으로 다운로드 및 텍스트 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 패키지 사용:
# 설치
pip install git+https://github.com/m1guelpf/yt-whisper.git
# URL에서 직접 텍스트 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 변환본 |
| srt | .srt | SubRip 자막 형식 (타임스탬프 포함) |
| vtt | .vtt | WebVTT 자막 형식 |
| tsv | .tsv | 탭으로 구분된 값 |
| json | .json | 단어 수준 타임스탬프가 포함된 전체 데이터 |
예제
지침
- 음성 언어를 알고 있으면
--language플래그를 사용하여 정확도를 크게 향상시키세요. - 긴 동영상(1시간 이상)의 경우 small 또는 medium 모델을 사용하여 속도와 정확도의 균형을 맞추세요.
- 영어 전용 모델(
.en접미사)은 영어 콘텐츠에서 더 빠르고 정확합니다. - CUDA GPU는 텍스트 변환 속도를 크게 높입니다. CPU도 작동하지만 5~10배 느립니다.
- 텍스트 변환이 실패하면 ffmpeg가 올바르게 설치되고 PATH에 있는지 확인하세요.
- 배경 음악이 있는 동영상의 경우 더 큰 모델(medium/large)이 더 잘 처리합니다.
- 텍스트 변환 후 오디오 파일을 정리하여 디스크 공간을 절약하세요.
--output_format all을 사용하여 모든 형식을 한 번에 가져온 후 필요한 것을 선택하세요.