Mac에서 Apple Speech와 로컬 Whisper 비교: 정확도와 지연 시간 실측
동일한 Mac에서 정답이 있는 영어 음성 30개를 Apple Speech와 로컬 WhisperKit base 모델로 테스트해 WER, 첫 글자 지연, 최종 확정 시간을 비교했습니다.
2026-08-30 · 9 min결론부터 보기
이번 Apple Silicon Mac 테스트에서는 Apple Speech가 첫 텍스트를 더 빨리 표시했습니다. 로컬 Whisper는 모델 자체 정확도와 실시간 자막 파이프라인 결과 사이에 다른 절충을 보였습니다. 깨끗한 LibriSpeech 영어 음성 30개에서 Apple Speech WER는 0.9%, Alison Workspace의 Whisper 실시간 경로는 7.9%, Whisper 전체 클립 인식은 1.9%였습니다. 첫 텍스트 지연 중앙값은 Apple 1.14 s, Whisper 실시간 경로 1.74 s였습니다. 이 수치는 이번 조건만 설명하며 모든 화자, 언어, Mac, 녹음을 대표하지 않습니다.
테스트 방법
2026년 8월 30일 macOS 26.5.2가 설치된 Apple Silicon Mac에서 로컬로 실행했습니다. 두 엔진 모두 같은 LibriSpeech test-clean 정답 음성 30개를 받아 16 kHz 모노로 변환했습니다. 실제 시간에 맞춰 100 ms 프레임으로 입력하고 끝에 동일한 0.8초 무음을 추가했습니다. 측정 전에 모델과 Apple 언어 리소스를 준비했습니다. 정확도는 단어 오류율 WER로, 지연은 첫 비어 있지 않은 텍스트와 발화 종료 후 최종 텍스트까지의 시간으로 측정했습니다.
정확도: 엔진과 실시간 파이프라인을 구분해야 합니다
Whisper 전체 클립 인식은 WER 1.9%로, 완전한 발화를 한 번에 디코딩할 때의 모델 정확도 상한을 보여 줍니다. 제품의 Whisper 실시간 경로는 7.9%였습니다. 음성 활동 감지, 분할, 진행 중 초안, 최종 조합도 자막 막대에 도달하는 결과에 영향을 주기 때문입니다. Apple Speech의 네이티브 스트리밍 최종 결과는 0.9%였습니다. 강한 모델도 실시간 파이프라인이 잘못된 위치에서 문장을 자르면 단어를 잃을 수 있습니다.
지연 시간: 첫 텍스트와 최종 텍스트는 다릅니다
첫 텍스트 중앙값은 Apple Speech 1.14 s, Whisper 실시간 경로 1.74 s였습니다. 발화가 끝난 뒤 Apple 네이티브 최종 결과는 중앙값 1.13 s, Whisper 최종 결과는 0.58 s 뒤에 도착했습니다. Whisper 전체 클립 디코딩의 실시간 계수 중앙값은 0.021×였지만 이는 첫 자막 속도가 아닙니다. 좋은 실시간 자막에는 빠른 읽기 가능한 초안과 신뢰할 수 있는 최종 문장이 모두 필요합니다.
Alison Workspace가 두 엔진을 사용하는 이유
Alison Workspace는 한 인식기가 모든 상황에서 최고라고 가정하지 않습니다. macOS 26에서 명시적으로 선택한 언어에 사용할 수 있는 Apple 온디바이스 음성 리소스가 있으면 Apple Speech 네이티브 스트리밍 경로를 사용할 수 있습니다. 이전 시스템, 자동 감지, Apple 미지원 언어 또는 사용할 수 없는 리소스에서는 로컬 WhisperKit 경로를 사용할 수 있습니다. 필요한 언어 리소스나 Whisper 모델을 한 번 다운로드한 뒤에는 인식이 Mac에서 실행됩니다.
이 벤치마크가 증명하지 않는 것
30개 샘플은 주로 한 명이 읽은 깨끗한 영어 음성입니다. 모든 억양, 회의 마이크, 소음, 음악, 겹치는 대화, 전문 용어 또는 영어 이외 언어를 대표하지 않습니다. 이 글을 여러 언어로 번역해도 영어 테스트가 다국어 벤치마크가 되지는 않습니다. 범위를 이해할 수 있도록 샘플 수, 운영체제, 모델, 입력 방식, 파이프라인별 결과를 공개합니다. 중요한 작업에는 이름, 숫자, 억양과 실제 사용할 앱을 직접 테스트하세요.
내 Mac에서 1분 테스트하기
한 명의 목소리가 선명한 짧은 영상이나 회의 녹음을 재생하세요. 알려진 음성 언어를 선택하고 방 마이크가 아니라 Mac 시스템 오디오를 받는지 확인한 뒤 첫 유용한 단어가 나타나는 시간을 봅니다. 이름, 숫자, 기술 용어 하나씩 확인하고 최종 자막을 원음과 비교하세요. 실제 사용하는 회의 앱, 브라우저 또는 플레이어에서도 반복하면 어떤 일반 벤치마크보다 실용적인 판단을 할 수 있습니다.
자주 묻는 질문
Mac에서 Apple Speech가 Whisper보다 빠른가요?
이번 영어 30개 테스트의 첫 텍스트 중앙값은 Apple 1.14 s, Alison Whisper 실시간 경로 1.74 s였습니다. 하드웨어, 언어, 음성, 설정에 따라 달라질 수 있습니다.
로컬 Whisper가 Apple Speech보다 정확한가요?
이번에는 Whisper 전체 클립 WER 1.9%, Apple 네이티브 스트리밍 0.9%, Whisper 실시간 제품 경로 7.9%였습니다. 모델 정확도와 종단 간 자막 정확도를 따로 봐야 합니다.
Mac 음성 인식은 오프라인으로 작동하나요?
필요한 Apple 언어 리소스 또는 로컬 Whisper 모델을 처음 다운로드한 뒤에는 Mac에서 인식이 실행됩니다.
Alison Workspace는 어떤 엔진을 사용하나요?
macOS 26에서 선택 언어와 온디바이스 리소스가 지원되면 Apple Speech를 사용할 수 있고, 더 넓은 지원이나 대체 경로에는 로컬 WhisperKit을 사용합니다.