metadata

title: 2인 대화 화자 분리기 (AI)
emoji: 🎤
colorFrom: blue
colorTo: purple
sdk: gradio
sdk_version: 4.44.0
app_file: app.py
pinned: false
license: mit
short_description: Whisper + Gemini 2.0 Flash AI를 사용한 음성 인식, 화자 분리 및 맞춤법 교정

🎤 2인 대화 화자 분리기 (AI)

Whisper + Gemini 2.0 Flash AI를 사용한 음성 인식, 화자 분리 및 맞춤법 교정 서비스

🚀 주요 기능

🎤 음성 인식: OpenAI Whisper를 활용한 고정밀 다국어 음성-텍스트 변환
🎯 정확한 화자 분리: Google Gemini 2.0 Flash를 활용한 고정밀 화자 구분
✏️ 맞춤법 교정: AI 기반 한국어 맞춤법 및 오타 교정
📊 결과 비교: 원본, 화자 분리, 교정본 단계별 비교 가능
👥 개별 화자 추출: 각 화자의 발언만 따로 추출하여 분석 가능
🌐 웹 인터페이스: 사용하기 쉬운 Gradio 기반 웹 UI
📝 텍스트 입력: 오디오 없이 텍스트만으로도 화자 분리 가능

📖 사용법

🎤 오디오 파일 처리

오디오 업로드: WAV, MP3, MP4 등의 오디오 파일을 업로드
처리 시작: '🚀 오디오 처리 시작' 버튼 클릭
자동 처리: 음성 인식 → 화자 분리 → 맞춤법 교정 순으로 자동 처리
결과 확인: 탭별로 다음 결과 확인:
- 📝 원본 텍스트 (음성 인식 결과)
- 👥 화자 분리 (원본)
- ✏️ 화자 분리 (교정)
- 👤 화자1 대화
- 👤 화자2 대화

📝 텍스트 직접 입력

텍스트 입력: 2인 대화 텍스트를 입력창에 붙여넣기
처리 시작: '🚀 텍스트 처리 시작' 버튼 클릭
결과 확인: 화자 분리 및 맞춤법 교정 결과 확인

⚙️ 기술 스택

음성 인식: OpenAI Whisper (다국어 지원)
AI 모델: Google Gemini 2.0 Flash
웹 프레임워크: Gradio
언어: Python
최적화: 한국어 2인 대화

🎯 사용 예시

입력 (오디오 또는 텍스트)

안녕하세요, 오늘 회의에 참석해주셔서 감사합니다. 네, 안녕하세요. 준비된 자료가 있나요? 네, 프레젠테이션 자료를 준비했습니다. 그럼 시작해볼까요?

출력 결과

[화자1] 안녕하세요, 오늘 회의에 참석해주셔서 감사합니다.
[화자2] 네, 안녕하세요. 준비된 자료가 있나요?
[화자1] 네, 프레젠테이션 자료를 준비했습니다. 그럼 시작해볼까요?

📁 지원 형식

오디오 형식

WAV: 무손실 고품질 (권장)
MP3: 일반적인 압축 형식
MP4: 비디오에서 오디오 추출
M4A: Apple 기본 형식
FLAC: 무손실 압축 형식

권장 오디오 품질

샘플레이트: 16kHz 이상
비트레이트: 128kbps 이상
채널: 모노 또는 스테레오
길이: 30초 ~ 30분 (최적: 2-10분)

⚠️ 주의사항

처리 시간은 오디오 길이에 따라 1-5분 소요
Google AI API 사용량 제한 있음
2인 대화에 최적화됨
음질이 좋을수록 더 정확한 결과
배경 소음이 적고 화자 구분이 명확한 오디오 권장
너무 긴 오디오는 처리 시간이 오래 걸릴 수 있음

🔧 환경 설정

필요한 API 키

GOOGLE_API_KEY: Google AI (Gemini) API 키

의존성

python-dotenv==1.0.0
google-generativeai==0.8.3
gradio==4.44.0
openai-whisper==20240930
torch==2.0.1
torchaudio==2.0.2

📝 License

MIT License

🤝 Contributing

이슈나 개선사항이 있으시면 언제든 말씀해주세요!

Made with ❤️ using OpenAI Whisper + Google Gemini 2.0 Flash