인터뷰 녹취록의 핵심 요건은 명확합니다. 문맥과 글자가 정확해야 하고, 누가 한 말인지 구분되어야 하며, 논문이나 기사에 바로 인용할 수 있어야 합니다. 질적 연구를 진행하는 연구자, UX 리서처, 심층 취재를 하는 기자, 혹은 과제를 제출해야 하는 대학원생이라면 문장 단위로 코딩하고 인용할 수 있는 수준의 텍스트 기록이 필요합니다.
녹취록을 만드는 방법은 크게 세 가지입니다. 사람이 직접 타이핑하는 수동 전사, 무료 자동 자막 도구, 그리고 AI 음성 인식 전사 도구입니다. 이 글에서는 세 가지 방식의 장단점을 살펴보고, Subanana는 제가 직접 만들고 운영하는 프로덕트로, 전사 모드(Transcript Mode)를 활용해 인터뷰 음성을 화자 분리·문장부호·단락 구분이 완료된 읽기 쉬운 녹취록으로 바꾸는 과정을 정리해 드립니다. AI가 반복적이고 소모적인 전사 작업의 대부분을 처리해 주므로, 사용자는 마지막 검토와 인용구 확인에만 집중하면 됩니다.
인터뷰 녹취록과 자막의 차이점
작업 도구를 처음 찾을 때 '자막(Subtitles)'과 '녹취록(Transcript)'을 혼동하여 연구나 기사 작성에 쓰기 어려운 결과물을 얻는 경우가 많습니다. 두 형식은 목적 자체가 다릅니다.
- 자막(Subtitles): 영상 화면에 맞춰 표시되는 텍스트로, 타임코드에 따라 짧은 문장 단위로 쪼개집니다. 가독성을 위해 관례상 문장부호를 생략하며, 주로 SRT나 VTT 파일 형태로 생성됩니다.
- 녹취록(Transcript): 사람이 읽고, 분석하고, 인용하기 위한 문서입니다. 자연스러운 독해를 위해 **올바른 문장부호와 문맥에 맞는 단락 구분, 화자 레이블(누가 말했는지)**이 반드시 포함되어야 합니다.
인터뷰 기록은 당연히 후자인 녹취록이어야 합니다. 도구에서 모드를 잘못 선택해 '자막 모드'로 인터뷰를 변환하면, 문장부호 없이 타임코드 단위로 잘게 쪼개진 텍스트 조각만 남아 오히려 다시 정리하는 데 더 많은 시간이 듭니다. 이것이 인터뷰 작업 시 반드시 전사 모드를 선택해야 하는 이유입니다.
3가지 녹취록 작성 방식 비교
1. 직접 듣고 타이핑하기 (수동 전사)
가장 전통적이며 작업 디테일을 완벽하게 통제할 수 있는 방식입니다.
- 장점: 모든 단어, 어조, 쉼표, 겹치는 발화까지 연구 목적에 맞춰 완벽하게 반영할 수 있습니다.
- 한계: 시간이 너무 오래 걸립니다. 업계에서 흔히 통용되는 기준으로는 1시간 분량의 오디오를 전사하는 데 약 4~6시간의 작업이 필요합니다. 다자간 인터뷰, 발음이 뭉개지거나 잡음이 있는 환경에서는 시간이 더 늘어나 마감이 급한 상황에서는 현실적으로 감당하기 어렵습니다.
2. 무료 자동 자막 도구
동영상 플랫폼이나 간단한 자동 도구를 활용해 텍스트를 추출하는 방식입니다.
- 장점: 빠르게 변환할 수 있고 초기 비용 부담이 없습니다.
- 한계: 화자가 여러 명이거나 억양이 섞인 오디오에서 오인식률이 높아집니다. 대부분 화자 분리 기능을 지원하지 않아 여러 사람의 말이 한 덩어리로 엉키며, 문장부호와 단락 구분이 없어 한눈에 읽기 힘든 텍스트 덩어리가 됩니다.
3. AI 음성 인식 전사 도구
'완성 즉시 읽고 인용할 수 있는 문서'를 가장 현실적으로 얻을 수 있는 대안입니다. 음성 인식 엔진이 오디오를 다시 분석해 화자별로 분리하고, 문장부호와 단락을 자동으로 구성하여 에디터로 제공합니다.
- 장점: 수동 타이핑 대비 작업 시간을 크게 줄여줍니다. 단순 무료 자막 도구와 달리 화자가 자동으로 분리되며 문장부호와 단락이 정돈되어 가독성이 좋습니다.
- 고려할 점: AI 전사가 사람의 최종 검토를 완전히 대체하지는 않습니다. 인터뷰이의 발언을 논문이나 기사에 직접 인용하기 전에는 인명, 전문 용어, 수치 등을 확인하는 교열을 반드시 거쳐야 합니다. 정확도가 높다는 것이 오류가 전혀 없다는 뜻은 아니므로, 직접 인용의 비중이 높을수록 핵심 구간을 대조 확인하는 작업이 필요합니다.
Subanana로 인터뷰 녹취록을 만드는 4단계
저는 Subanana를 만들고 운영하고 있으며, 실제 인터뷰 오디오를 녹취록으로 바꾸는 과정을 기준으로 설명해 드리겠습니다.
가장 중요한 것은 모드 선택입니다. Subanana는 AI 자막 생성을 위한 자막 모드, 녹취록 작성을 위한 전사 모드, AI 회의록 요약을 위한 회의 모드로 나뉘어 있습니다. 인터뷰 녹취록을 만들 때는 반드시 **전사 모드(Transcript)**를 선택해야 문장부호와 단락이 정돈된 읽기 쉬운 텍스트를 얻을 수 있습니다.
- 오디오 및 비디오 파일 가져오기: 인터뷰 녹음/녹화 파일(.mp4, .mov, .webm, .ogg 등, 파일당 최대 30GB·8시간 지원)을 업로드하거나, 공개된 YouTube, Instagram 링크를 붙여넣어 바로 불러옵니다. 비공개 링크나 권한 제한이 있는 영상은 파일 직접 업로드를 이용하시면 됩니다.
- 전사 모드 선택 및 언어 설정: 전사 모드를 선택하고 녹음의 원본 언어를 지정합니다. 화자 수는 '자동 감지'로 두거나 실제 인터뷰 인원수를 수동으로 입력할 수 있습니다. 전사 모드에서는 문장부호 삽입과 단락 구분이 기본으로 자동 적용되므로 별도로 켤 필요가 없습니다.
- 에디터에서 교열 및 화자 레이블 수정: 변환이 완료되면 웹 에디터로 이동합니다. 시스템이 "음", "어" 같은 불필요한 추임새를 정리하고 화자별(Speaker 1, Speaker 2 등)로 문단을 나눕니다. 화자 이름을 '진행자', '참여자 A'처럼 실제 역할로 바꾸면 문서 전체에 일괄 반영되고, 오탈자도 직접 수정할 수 있습니다. 고유명사나 전문 용어가 많은 분야라면 미리 용어집(Glossary) 기능에 등록해 두면 인식 정확도를 높일 수 있습니다. 긴 인터뷰에서 특정 발언 구간을 찾을 때는 에디터 내 AI 채팅 기능에 질문해 해당 위치를 바로 찾아낼 수도 있습니다.
- 원하는 형식으로 내보내기: 작업 목적에 맞는 파일 포맷을 선택해 내보냅니다. 일반적인 문서 작업에는 DOCX(워드)나 TXT가 주로 쓰이며, 연구 코딩이나 타임코드별 발화 정리가 필요하다면 XLSX(엑셀) 형식으로 화자·시간·텍스트를 표 형태로 구조화해 다운로드할 수 있습니다. VTT, SRT, Markdown 내보내기도 지원됩니다(내보내기는 유료 플랜 기능이며, 자세한 내용은 요금제 페이지에서 확인하실 수 있습니다).
다자간 인터뷰와 연구 전사에서 챙겨야 할 점
- 다자간 패널·포커스 그룹 인터뷰의 화자 분리: 여러 명이 번갈아 발언하는 그룹 인터뷰에서는 수동으로 발화자를 태깅하는 작업에 가장 많은 시간이 소모됩니다. Subanana는 95개 이상의 언어를 지원하며, 전사 모드의 화자 분리 기능을 이용하면 에디터에서 화자 이름만 일괄 지정하는 것으로 정리 시간을 크게 줄일 수 있습니다.
- 고유명사·브랜드명·전문 용어 사전 등록: 학술 용어, 기업명, 프로젝트명, 인명 등은 음성 인식에서 잘못 표기되기 쉽습니다. 워크스페이스나 프로젝트 단위의 용어집(Glossary)에 주요 단어를 미리 등록하거나 CSV/XLSX로 대량 가져오기를 해두면 고유명사 오기입을 줄일 수 있습니다.
- 전사 모드의 언어 처리 범위 이해하기: 전사 모드는 지정한 원본 언어를 기준으로 가장 자연스러운 문장 구조를 만듭니다. 한 문장 안에서 여러 언어를 오가며 자동으로 전환하는 처리는 실시간 자막(라이브 캡션) 기능의 영역이며, 파일 업로드 방식의 전사 모드에는 해당하지 않습니다. 따라서 인터뷰 파일을 올릴 때는 주 언어를 정확히 지정하고, 외래어나 전문 용어는 용어집 기능으로 보완하는 것이 가장 안정적입니다.
인터뷰 녹취록 관련 자주 묻는 질문 (FAQ)
Q. 무료 플랜으로 전체 인터뷰 녹취록을 만들 수 있나요? A. 무료 플랜에서도 결과를 미리 확인해 볼 수 있습니다. 업로드한 파일의 처음 15분 분량에 대해 전사 미리보기가 생성되며, 파일 업로드 용량 한도(최대 30GB·8시간)는 무료와 유료가 동일합니다. 다만 무료 플랜에서는 녹취록·자막 파일(TXT, DOCX, XLSX, SRT 등) 다운로드와 에디터 내 텍스트 선택·복사가 지원되지 않으며, 워터마크가 포함된 720p 영상(최대 5분)으로만 내보낼 수 있습니다. 실제 텍스트 파일 내보내기는 유료 플랜에서 제공됩니다.
Q. 그룹 인터뷰처럼 여러 명이 말해도 화자가 구분되나요? A. 네, 전사 모드의 화자 분리 기능이 목소리를 감지해 Speaker 1, Speaker 2 등으로 구분합니다. 에디터에서 화자 이름을 실제 참여자 이름이나 역할로 바꾸면 문서 전체에 반영됩니다.
Q. AI가 전사한 녹취록을 논문이나 기사에 바로 인용해도 되나요? A. 직접 인용할 부분은 사전에 한 차례 사람이 대조 확인하는 것을 권장합니다. AI가 문장부호, 단락 구분, 화자 구분의 대부분을 처리해 주지만, 인명·고유명사·핵심 수치처럼 잘못 인용되면 문제가 되는 부분은 오디오를 다시 들으며 확인하는 것이 안전합니다.
Q. 1~2시간이 넘는 긴 인터뷰 녹음 파일도 처리할 수 있나요? A. 네, 파일당 최대 30GB·8시간 분량까지 지원하므로 긴 심층 인터뷰도 한 번에 업로드할 수 있습니다. 녹취록 분량이 방대할 때는 에디터 내 AI 채팅 기능으로 필요한 구간을 먼저 찾은 뒤 세부 교열을 진행하면 작업 시간을 줄일 수 있습니다. 강의나 세미나 녹음처럼 정형화된 포맷을 자주 다룬다면 강의 녹음 텍스트 변환 도구 페이지에서 바로 시도해 보실 수 있습니다.