최근 음성 인식 모델을 찾아봤다면 “Parakeet V3가 Whisper보다 빠르고 정확하다”는 이야기를 한 번쯤 봤을 겁니다. 그렇다면 이런 질문도 자연스럽게 따라옵니다. LoroNote도 Parakeet V3를 쓰는 편이 더 낫지 않을까요?
결론부터 말하면, Parakeet V3는 분명 뛰어난 모델입니다. 영어와 유럽 언어를 NVIDIA GPU에서 대량으로 전사할 때는 Whisper보다 더 좋은 선택이 될 수 있습니다. 하지만 한국어 회의나 강의를 iPhone에서 기록하려는 순간 판단 기준이 달라집니다. Parakeet V3의 공식 지원 언어에는 한국어가 없기 때문입니다.
그래서 LoroNote는 Whisper Large V3를 더 빠르고 가볍게 만든 Whisper Large V3 Turbo를 사용합니다. 단순히 익숙한 모델을 고른 것이 아니라, 한국어 지원과 전사 품질, 모바일 속도, 오프라인 사용을 함께 고려한 선택입니다.
먼저 짧게 정리하면 이렇습니다.
- 영어·유럽 언어를 NVIDIA GPU에서 빠르게 대량 처리한다면 Parakeet V3가 매력적입니다.
- 한국어를 포함한 여러 언어를 iPhone이나 iPad에서 전사한다면 Whisper Large V3 계열이 더 현실적입니다.
- LoroNote는 그중에서도 품질과 모바일 처리 속도의 균형이 좋은 Large V3 Turbo를 선택했습니다.
알려드립니다: 이 글은 LoroNote 팀이 작성했습니다. 2026년 8월 10일 NVIDIA와 OpenAI가 공개한 모델 카드와 공식 기술 자료를 기준으로 비교했으며, NVIDIA의 공식 그래프를 출처와 함께 사용했습니다. Parakeet이 더 잘 맞는 경우와 Whisper의 한계도 함께 설명합니다.
Parakeet V3와 Whisper Large V3, 무엇이 다른가요?
두 모델은 모두 음성을 텍스트로 바꾸지만, 잘하려는 일이 조금 다릅니다.
Parakeet V3의 정식 이름은 Parakeet TDT 0.6B V3입니다. 6억 개의 매개변수로 빠르게 많은 음성을 처리하는 데 초점을 맞췄습니다. Whisper Large V3는 약 15억 5천만 개의 매개변수를 가진 더 큰 모델로, 한국어를 포함한 폭넓은 다국어 전사와 음성 번역을 함께 다룹니다.
LoroNote가 사용하는 Large V3 Turbo는 두 모델 사이에 가깝습니다. Whisper Large V3를 바탕으로 만들었지만 모델 규모는 약 8억 900만 개로 줄여, 다국어 능력과 처리 속도 사이에서 균형을 잡았습니다.
| 비교 항목 | Parakeet TDT 0.6B V3 | Whisper Large V3 | Whisper Large V3 Turbo |
|---|---|---|---|
| 모델 규모 | 6억 | 15억 5천만 | 약 8억 900만 |
| 강점 | 빠른 대량 전사 | 폭넓은 다국어와 번역 | 더 빠른 다국어 전사 |
| 공식 언어 범위 | 25개 유럽 언어 | 한국어 포함 다국어 | Large V3 기반 다국어 |
| 한국어 전사 | 공식 지원 안 함 | 지원 | 지원 |
| 언어 자동 감지 | 지원 언어 안에서 가능 | 가능 | 가능 |
| 영어 번역 | 지원하지 않음 | 지원 | 번역용으로 학습되지 않음 |
| LoroNote | 사용하지 않음 | Turbo의 기반 | 온디바이스 전사에 사용 |
모델 크기는 중요한 숫자지만 전부는 아닙니다. 더 작은 모델이 서버에서는 빠르더라도 iPhone에서 같은 결과가 나온다는 보장은 없습니다. 어떤 언어를 지원하는지, 앱이 모델을 얼마나 잘 최적화했는지, 긴 녹음에서 메모리와 배터리를 얼마나 쓰는지도 함께 봐야 합니다.
Parakeet V3가 주목받는 데에는 이유가 있습니다
Parakeet V3의 핵심은 이름에 들어간 TDT(Token-and-Duration Transducer) 구조입니다. 쉽게 말해, 음성에서 실제 글자가 나오지 않는 구간까지 매번 계산하지 않고 필요한 부분을 건너뛰며 처리합니다. 덕분에 모델 크기에 비해 빠르고 정확한 전사가 가능합니다.
NVIDIA 공식 모델 카드에 따르면 Parakeet V3는 다음 기능을 제공합니다.
- 영어, 프랑스어, 독일어, 스페인어 등 25개 유럽 언어 전사
- 지원 언어 자동 감지
- 자동 문장부호와 대문자 처리
- 단어·문자·구간별 타임스탬프
- 긴 오디오 처리
지원 언어 안에서 많은 파일을 빠르게 처리해야 하는 개발자나 기업이라면 상당히 매력적인 구성입니다. 실제 성능도 단순히 “작아서 빠른 모델”에 그치지 않습니다.
NVIDIA가 Parakeet V3 공식 모델 카드에 공개한 24개 지원 언어 평균 WER 비교입니다. 출처:
NVIDIA Parakeet TDT 0.6B V3 공식 모델 카드
. CC BY 4.0.
그래프에서 WER는 단어 오류율을 뜻하며 낮을수록 좋습니다. NVIDIA의 자체 평가에서 Parakeet V3는 FLEURS와 MLS에서 Whisper Large V3보다 낮은 평균 오류율을 기록했습니다. CoVoST에서는 반대로 Whisper Large V3가 근소하게 앞섰습니다. 6억 규모의 모델이 훨씬 큰 Whisper Large V3와 비슷하거나 더 좋은 결과를 낸다는 점은 인상적입니다.
다만 이 그래프만 보고 Parakeet이 언제나 더 정확하다고 결론 내리면 안 됩니다. 비교 대상은 Parakeet이 지원하는 유럽 언어 24개이며, 한국어·일본어·중국어는 포함되지 않았습니다. 문장부호와 대문자 오류도 점수에서 제외됐습니다. 무엇보다 NVIDIA GPU에서 얻은 모델 평가를 LoroNote의 iPhone 처리 속도와 직접 비교할 수는 없습니다.
정확한 해석은 이 정도입니다. Parakeet V3는 지원하는 유럽 언어에서 작고 빠르면서도 매우 경쟁력 있는 모델입니다.
주장 뒤에 있는 실제 수치
공개된 수치를 나란히 놓으면 트레이드오프가 구체적으로 보입니다.
- 영어 정확도: Hugging Face Open ASR 리더보드에서 Parakeet TDT 0.6B V3의 단어 오류율(WER)은 약 6.3%, Whisper Large V3는 약 7.4%입니다. 실제로 앞서는 수치지만 차이는 100단어에 한 단어 수준이고, 마이크 거리와 녹음 환경이 이보다 훨씬 큰 영향을 줍니다.
- 다국어 평균: Parakeet이 지원하는 언어를 기준으로 한 FLEURS에서 NVIDIA 모델 카드의 평균은 Parakeet 약 12.0%, Whisper Large V3 약 12.6%로 비슷하며, 언어별로 앞서는 모델이 서로 다릅니다.
- 처리량: Parakeet의 트랜스듀서 구조는 배치 환경에서 압도적으로 빠릅니다. NVIDIA가 공개한 실시간 배속은 Whisper보다 한 자릿수 이상 높습니다. 속도는 Parakeet의 가장 분명하고 이견 없는 강점입니다.
표 바깥에서 알아둘 만한 동작 차이도 하나 있습니다. Whisper는 생성형 디코더라서 침묵이나 소음 구간에서 하지 않은 말을 만들어 낼 수 있다고 OpenAI 스스로 문서화해 두었습니다. Parakeet의 트랜스듀서 구조는 음성 토큰이 감지될 때만 텍스트를 내보내므로 조용한 구간에서 환각이 더 적습니다. 잘 만든 앱은 Whisper 주변에 완화 장치를 두지만, 모델 자체의 동작만 놓고 보면 이 점은 Parakeet의 승리입니다.
Parakeet은 더 이상 GPU 전용이 아닙니다 — 그런데도 왜 Whisper일까요?
흔한 프레임에 대한 솔직한 업데이트 하나. Parakeet은 이제 NVIDIA 서버에만 사는 모델이 아닙니다. Apple 하드웨어에서 로컬로 도는 변환 빌드가 있고, 일부 iOS·Mac 앱은 빠르다는 이유로 Parakeet을 전환 가능한 엔진으로 탑재합니다. Parakeet이 여러분의 언어를 지원한다면, 폰에서 돌리는 것도 충분히 정당한 선택입니다.
결정적인 요인은 지원 범위입니다. Parakeet V3의 공식 범위는 25개 유럽 언어입니다. 한국어·일본어·중국어·힌디어·아랍어·태국어·베트남어를 비롯해 세계 언어 대부분이 목록에 없습니다. Whisper의 학습 범위는 약 100개 언어에 걸쳐 있어, 영어 제품명이 섞인 한국어 회의나 언어를 오가는 인터뷰도 엔진을 바꾸지 않고 하나의 모델로 처리할 수 있습니다.
여러 나라에서 쓰이는 전사 앱에게 이 차이는 벤치마크의 세부 항목이 아니라 구조적인 문제입니다. LoroNote가 더 빠른 영어 중심 대안 대신 Whisper 계열 위에 앱을 만든 근본 이유입니다.
한국어에서는 비교의 출발점부터 달라집니다
한국어 사용자가 모델을 고를 때 가장 먼저 확인할 것은 벤치마크 순위가 아닙니다. 내 언어를 공식적으로 지원하는가입니다.
Parakeet V3가 지원하는 25개 언어에는 영어, 프랑스어, 독일어, 스페인어, 러시아어와 우크라이나어 등이 포함됩니다. 하지만 2026년 8월 현재 한국어는 없습니다. 한국어 회의를 영어 모델에 억지로 넣어 그럴듯한 결과가 나오기를 기대할 수는 없습니다.
Whisper Large V3는 한국어를 지원할 뿐 아니라 OpenAI의 공식 평가에도 한국어를 포함했습니다. 한국어는 띄어쓰기에 따라 단어 오류율이 크게 달라질 수 있어 문자 오류율도 함께 측정했습니다. 한국어의 특성을 실제 평가 과정에서 고려한 셈입니다.
이 차이는 다국어 생활에서 더 커집니다. 한국어 회의 중 영어 제품명이나 사람 이름이 나오고, 다음 날에는 일본어 인터뷰나 중국어 영상을 전사할 수 있습니다. LoroNote는 Whisper 기반으로 100개 이상의 언어를 지원하기 때문에 이런 파일을 한 앱에서 이어서 처리할 수 있습니다.
그러므로 한국어 사용자에게는 “Parakeet과 Whisper 중 누가 영어에서 1% 더 정확한가?”보다 “한국어와 내가 자주 쓰는 언어를 한 모델로 안정적으로 처리하는가?”가 더 중요한 질문입니다.
그렇다면 왜 Large V3가 아니라 Turbo일까요?
전체 Whisper Large V3를 그대로 iPhone에서 실행하면 정확도 면에서는 든든하지만, 메모리와 처리 시간, 발열과 배터리 부담이 커질 수 있습니다. 짧은 음성 메모라면 괜찮아도 한 시간짜리 회의나 두 시간짜리 강의에서는 기다림이 길어집니다.
OpenAI는 이 문제를 줄이기 위해 Large V3의 디코더를 32개 층에서 4개 층으로 줄인 Large V3 Turbo를 공개했습니다. 모델 규모도 15억 5천만 개에서 약 8억 900만 개로 줄었습니다. 음성을 이해하는 Large V3의 기반을 활용하면서, 문장을 만들어 내는 부분을 가볍게 해 전사 속도를 높인 것입니다.
물론 공짜로 얻은 속도는 아닙니다. OpenAI는 Turbo가 여러 언어에서 Large V2와 비슷한 성능을 보이지만, 태국어와 광둥어처럼 정확도 하락이 더 큰 언어도 있다고 설명합니다. 음성을 영어로 번역하는 작업에도 최적화되지 않았습니다.
LoroNote의 중심 기능은 번역보다 녹음한 언어를 빠르게 원문으로 옮기는 것입니다. 그래서 전체 Large V3의 무게를 감수하거나 훨씬 작은 모델로 품질을 낮추는 대신, Large V3 Turbo가 더 현실적인 선택이었습니다.
좋은 모델만으로 좋은 회의록이 완성되지는 않습니다
음성 인식 모델은 앱의 엔진입니다. 엔진이 중요하다고 해서 엔진만으로 목적지에 갈 수 있는 것은 아닙니다. 실제로는 녹음하고, 누가 말했는지 확인하고, 틀린 부분을 다시 듣고, 필요한 형식으로 공유하는 과정까지 자연스럽게 이어져야 합니다.
LoroNote는 Whisper Large V3 Turbo의 전사 결과에 다음 기능을 더합니다.
- 여러 사람의 목소리를 나누는 온디바이스 화자분리
- 타임스탬프를 눌러 해당 발화 바로 재생
- 사람 이름·회사명·전문 용어를 위한 사용자 사전
- 오디오와 비디오 파일 가져오기
- 전사 결과 편집과 TXT·SRT 내보내기
특히 중요한 차이는 처리 위치입니다. 공개 모델을 쓴다고 해서 자동으로 개인정보가 보호되는 것은 아닙니다. Whisper를 서버에서 실행하는 앱이라면 녹음 파일을 서버로 보내야 합니다.
LoroNote는 Whisper Large V3 Turbo를 외부 API로 호출하지 않고 iPhone이나 iPad에서 직접 실행합니다. 별도의 화자분리 과정도 기기 안에서 처리합니다. 인터넷이 없는 곳에서도 전사할 수 있고, 고객 인터뷰나 내부 회의를 전사 서버에 업로드할 필요가 없습니다. 자세한 내용은 오프라인 음성 텍스트 변환 가이드에서 확인할 수 있습니다.
Whisper Large V3 Turbo가 무슨 말을 했는지 받아 적는다면, LoroNote는 그 결과를 누가 언제 말했는지 확인하고 다시 활용할 수 있는 노트로 만드는 역할을 합니다.
어떤 모델이 나에게 더 맞을까요?
Parakeet V3와 Whisper는 경쟁 모델이지만, 한쪽이 모든 상황에서 이기는 관계는 아닙니다.
Parakeet V3가 잘 맞는 경우
- 영어 또는 공식 지원 유럽 언어가 중심입니다.
- NVIDIA GPU 서버에서 많은 파일을 한꺼번에 처리합니다.
- 번역보다 빠른 원어 전사가 중요합니다.
- 단어 단위 타임스탬프와 처리량을 우선합니다.
Whisper Large V3 계열이 잘 맞는 경우
- 한국어, 일본어 또는 중국어가 필요합니다.
- 여러 언어의 회의와 강의를 한 앱에서 처리합니다.
- 한국어 문장 안에 영어 제품명과 외국어가 자주 섞입니다.
- 서버보다 개인 기기에서 직접 처리하고 싶습니다.
개발자가 서버용 전사 시스템을 만든다면 Parakeet V3를 진지하게 검토할 이유가 충분합니다. 반대로 한국어 사용자가 iPhone에서 회의와 강의를 기록하려 한다면 Whisper Large V3 Turbo가 더 자연스러운 출발점입니다.
벤치마크보다 내 녹음으로 확인하세요
모델 비교표를 오래 보는 것보다 평소 환경에서 녹음한 3~5분 파일 하나를 넣어 보는 편이 정확합니다.
- 회의나 강의처럼 실제로 사용할 장소에서 짧게 녹음합니다.
- 사람 이름, 숫자, 회사명과 영어 제품명을 몇 개 포함합니다.
- LoroNote를 다운로드하고 녹음 파일을 가져옵니다.
- 빠진 단어, 문장 경계, 화자 전환과 처리 시간을 확인합니다.
- 타임스탬프를 눌러 틀린 부분만 원본과 비교합니다.
가능하다면 비행기 모드에서도 같은 과정을 실행해 보세요. 서버 연결 없이 기기에서 직접 처리된다는 차이를 가장 확실하게 확인할 수 있습니다.
자주 묻는 질문
Parakeet V3는 한국어·일본어·중국어를 지원하나요?
아니요. NVIDIA 공식 모델 카드에 표시된 25개 지원 언어는 유럽 언어 중심이며, 한국어·일본어·중국어는 포함되지 않습니다. 비유럽 언어 대부분에서는 약 100개 언어를 하나의 모델로 다루는 Whisper 계열이 현실적인 선택입니다.
Parakeet V3가 Whisper Large V3보다 정확한가요?
지원 언어와 데이터셋에 따라 다릅니다. NVIDIA 공식 비교에서 Parakeet V3는 FLEURS와 MLS 평균에서 앞섰고, CoVoST에서는 Whisper Large V3가 근소하게 앞섰습니다. 한국어는 이 비교에 포함되지 않았습니다.
Whisper Large V3와 Turbo는 같은 모델인가요?
같은 계열이지만 동일한 모델은 아닙니다. Turbo는 Large V3를 기반으로 디코더를 32층에서 4층으로 줄여 전사 속도를 높였습니다. 더 가볍고 빠른 대신 언어에 따라 정확도 차이가 있고 번역에는 적합하지 않습니다.
Parakeet을 iPhone에서 실행할 수 있나요?
네. Apple 하드웨어용 변환 빌드가 있고, 일부 전사 앱은 속도를 이유로 Parakeet을 전환 가능한 온디바이스 엔진으로 제공합니다. 이제 실행 가능 여부는 결정 요인이 아니며, 언어 지원이 결정합니다. 녹음이 Parakeet의 25개 유럽 언어 안에 머문다면 빠른 선택지이고, 그렇지 않다면 애초에 전사할 수 있는 쪽은 Whisper입니다.
Whisper를 쓰면 녹음이 OpenAI로 전송되나요?
앱의 구현 방식에 따라 다릅니다. LoroNote는 Whisper Large V3 Turbo를 기기에서 직접 실행하므로 전사를 위해 음성을 OpenAI나 LoroNote 서버로 보내지 않습니다. 앱 업데이트, App Store 결제 확인과 선택적 iCloud 동기화에는 인터넷이 필요할 수 있습니다. 기기에서 실제로 얼마나 빠른지는 Whisper 앱 비교 글의 실측 수치에서 확인할 수 있습니다.
화자분리도 Whisper가 처리하나요?
아니요. Whisper는 음성을 텍스트로 바꾸는 모델입니다. LoroNote는 별도의 자동 화자 감지 기능을 결합하며, 이 과정도 기기 안에서 실행합니다.
결국 중요한 것은 내 언어와 사용 환경입니다
Parakeet TDT 0.6B V3는 작고 빠르며, 지원하는 영어·유럽 언어에서 Whisper Large V3와 경쟁하는 훌륭한 모델입니다. NVIDIA GPU에서 대량 전사가 목적이라면 좋은 선택입니다.
하지만 한국어 음성 기록 앱에는 다른 균형이 필요합니다. 한국어와 다국어를 지원하면서도 iPhone에서 기다릴 수 있는 속도로 작동하고, 음성을 서버에 보내지 않아야 합니다. LoroNote가 Whisper Large V3 Turbo를 선택한 이유가 여기에 있습니다.
모델 이름만으로 결정할 필요는 없습니다. 다음 회의나 강의에서 짧게 녹음한 뒤 직접 전사해 보세요. 내 목소리와 내 기기에서 얻은 결과가 가장 정확한 비교표입니다.