새로운 오픈소스 프로젝트 딕타타(Dictata)가 윈도우 사용자를 위한 강력한 로컬 음성 받아쓰기 도구를 공개했습니다. 이 도구는 시스템 전반에 걸쳐 작동하며, 사용자가 지정한 단축키를 누르고 말하면 위스퍼(Whisper) 기술을 이용해 음성을 텍스트로 변환한 후 활성 애플리케이션에 자동으로 붙여넣습니다. 가장 큰 특징은 모든 음성 인식과 후처리 과정이 사용자 기기 내에서만 이뤄져, 민감한 데이터가 외부 서버로 전송될 염려가 없다는 점입니다.
딕타타는 다양한 고급 기능을 제공합니다. 단축키를 이용한 받아쓰기(토글 또는 푸시 투 토크), 활성 애플리케이션 자동 붙여넣기, 파형을 표시하는 플로팅 독(dock) 등이 포함됩니다. 특히 연속 모드(streaming)에서는 말하는 도중 감지된 일시 정지마다 텍스트가 삽입되며, 음성 활동 감지(VAD) 기능을 통해 불필요한 침묵 구간을 건너뛰어 처리 효율을 높이고 환각 현상(hallucinations)을 줄입니다. 또한, 벌컨(Vulkan) GPU 가속을 지원하여 AMD, 인텔, 엔비디아(NVIDIA) 그래픽카드 사용자도 빠른 속도로 받아쓰기를 할 수 있으며, 마이크, 시스템 오디오 또는 둘을 혼합한 오디오 소스를 지원합니다. 변환된 텍스트는 로컬 LLM을 통해 정리, 이메일, 메시지, 목록 등 사용자가 정의한 프롬프트에 따라 후처리할 수 있어 활용도가 높습니다.
이러한 로컬 처리 방식은 개인 정보 보호에 민감한 사용자나 기업에게 매우 매력적인 대안을 제시합니다. 클라우드 기반 서비스에 의존하지 않으므로 인터넷 연결 없이도 받아쓰기 기능을 사용할 수 있으며, 데이터 보안 규제가 엄격한 환경에서도 안심하고 도입할 수 있습니다. 딕타타는 사용자가 직접 모델을 선택하고 다운로드할 수 있는 내장 GGML 모델 라이브러리와 허깅페이스(HuggingFace) 검색 기능도 제공하여, 다양한 언어 및 특정 작업에 최적화된 모델을 쉽게 활용할 수 있도록 돕습니다. 이는 음성 인식 기술의 접근성을 높이고, 개발자와 일반 사용자 모두에게 강력한 개인화된 도구를 제공한다는 점에서 의미가 큽니다.