크로스 플랫폼 음성-텍스트(ASR) 애플리케이션 개발의 복잡성을 해결하기 위해 새로운 오픈소스 라이브러리 'transcribe.cpp'가 공개되었습니다. 이 라이브러리는 ggml 기반으로 최신 음성 인식 모델들을 지원하며, 개발자들이 다양한 운영체제에서 빠르고 정확하게 ASR 기능을 구현할 수 있도록 돕는 것을 목표로 합니다. 기존 ASR 추론(inference) 스택의 한계점을 극복하며, 로컬 환경에서 음성-텍스트 변환을 더욱 접근성 높게 만듭니다.
transcribe.cpp는 16가지 ASR 모델 계열(60개 이상 모델)을 지원하며, 벌칸(Vulkan), 메탈(Metal), 쿠다(CUDA), 타이니BLAS(TinyBLAS)를 통한 GPU 가속을 제공합니다. 모든 모델은 수치적으로 검증되고 단어 오류율(WER) 테스트를 거쳐 레퍼런스 구현과 일치함을 보장합니다. 특히, 스트리밍 및 배치(Batch) 전사를 모두 지원하며, 파이썬(Python), 자바스크립트/타입스크립트(Javascript/Typescript), 러스트(Rust), 오브젝티브-C/스위프트(ObjC/Swift) 등 4가지 언어 바인딩을 공식적으로 제공하여 개발 편의성을 높였습니다. 이는 기존 whisper.cpp의 대체재로도 활용될 수 있도록 설계되어, whisper.cpp에서 사용되던 .bin 파일도 실행 가능합니다.
이 라이브러리의 등장은 로컬 환경에서 고성능 음성-텍스트 변환 기능을 필요로 하는 개발자들에게 큰 의미를 가집니다. 클라우드 서비스에 음성 데이터를 전송할 필요 없이 기기 내에서 빠르고 정확한 추론이 가능해지면서, 개인 정보 보호와 오프라인 환경에서의 활용성 측면에서 강점을 가집니다. 또한, 다양한 모델과 플랫폼을 통합 지원함으로써 개발자들이 여러 엔진을 개별적으로 관리해야 하는 부담을 줄여, ASR 기술의 대중화와 혁신적인 애플리케이션 개발을 가속화할 것으로 기대됩니다.