팟플레이어 AI 자막 생성, 내 PC에 맞는 위스퍼 모델 고르는 기준

팟플레이어 AI 자막은 Whisper 모델이 영상 소리를 받아 적어 자막을 만드는 기능이에요. 한국어 업데이트 기록은 241211 항목에서 이 기능을 'Whisper를 사용한 음성을 자막으로 생성하는 기능'으로 적었어요. 모델은 클수록 그래픽카드 메모리를 더 써요. openai/whisper 공식 저장소 README 표가 적은 대략적인 필요 VRAM은 tiny와 base 약 1GB, small 약 2GB, medium 약 5GB, turbo 약 6GB, large 약 10GB예요. 팟플레이어가 엔진으로 넣은 Faster-Whisper-XXL의 배포처는 쓸 만한 받아쓰기를 원하면 medium보다 작은 모델은 쓰지 말라고 적었고, CUDA가 감지되면 GPU로 돌린다고 적었어요.

그래서 고르는 순서는 간단해요. NVIDIA 그래픽카드(CUDA)가 있는지 보고, 있으면 그래픽카드 메모리에 들어가는 모델 가운데 medium 이상을 먼저 봐요. README 표만 보면 메모리가 5GB보다 작을 때 small 이하가 남지만, 이 표는 원래 구현(openai/whisper) 기준 대략값이에요. faster-whisper README 벤치마크(RTX 3070 Ti 8GB, 13분 음성)에서는 large-v2가 openai/whisper fp16으로 4,708MB, faster-whisper int8로 2,926MB를 써서 표의 약 10GB보다 적었으니, 표는 출발점으로만 보세요. CUDA가 없는 PC라면 CPU로 돌린 숫자를 봐야 하는데, faster-whisper 벤치마크에는 CPU로 small 모델을 돌린 기록만 있어요. 번역까지 바란다면 Whisper 문서가 적은 번역 방향은 영어뿐이라는 점도 함께 봐야 해요.

이 글은 2026년 10월 21일 오전 11시 18분부터 47분 사이(한국 시각)에 팟플레이어 공식 사이트와 한국어·영어 업데이트 기록, openai/whisper README와 모델 카드, SYSTRAN의 faster-whisper README, Faster-Whisper-XXL 배포처(Purfview)의 README와 GitHub 릴리스, Hugging Face 모델 저장소의 파일 크기, Whisper 논문의 arXiv 페이지를 받아 해당 문장과 숫자를 옮긴 거예요. 팟플레이어와 Whisper 엔진은 이 글을 쓰면서 설치하거나 실행하지 않았고, 이 글의 속도와 메모리 숫자는 모두 각 문서가 적은 조건에서 나온 값이에요.

팟플레이어 AI 자막, 업데이트 기록으로 본 변화

팟플레이어 공식 사이트(potplayer.tv) 한국어판의 UPDATE 링크를 누르면 '팟플레이어 버전 정보'라는 한국어 업데이트 기록이 열려요. 여기서 Whisper와 소리로 자막 생성에 관한 줄만 뽑으면 이래요.

표를 읽을 때 알아 둘 점이 몇 가지 있어요.

• 250226 항목의 저장 기능 줄은 한국어판('자막으로 음성 생성 시')과 영어판('when generating voices with subtitles') 모두 문구 그대로 옮겼어요. 소리로 자막을 만드는 기능에 붙은 줄인지는 문구만으로는 분명하지 않아요.
• 260401 항목의 실시간 기능 개선 줄은 한국어판에만 있고 영어판 260401 항목에는 없어요.
• 2026년 10월 21일 조회 시각에 한국어판과 영어판 모두 맨 위 항목은 260819였어요. 그런데 공식 사이트의 설치 파일 세 개(x86, x64, arm64)는 같은 날 오전 10시 5분(한국 시각)에 바뀐 것으로 HTTP 헤더에 찍혀 있었어요. 2026년 10월 21일 오전 10시 5분 이후 받은 설치 파일에는 업데이트 기록에 아직 없는 변경이 들어 있을 수 있어요.
• 업데이트 기록에는 메뉴 경로도, 팟플레이어 안에서 Whisper 모델을 고를 수 있는지와 그 목록도, 기본으로 쓰는 모델도 적혀 있지 않아요. potplayer.tv 본문에도 자막 생성 기능 설명은 없어요. 그래서 이 글도 메뉴 경로는 적지 않았어요. 엔진 쪽은 배포처 README 사용 예처럼 모델 이름을 옵션(--model medium, -m turbo)으로 받아요.

위스퍼 모델 크기별 메모리, 속도, 파일 크기

openai/whisper README는 Whisper 모델을 크기별로 여섯 가지로 나눠요. 이 README 표와 Hugging Face에 올라온 변환 모델 파일 크기를 한 표로 모으면 이래요.

표 아래에 붙여 둘 조건이 있어요.

• 상대 속도는 large를 1로 두고 몇 배 빠른지를 적은 값이에요. README는 이 숫자를 A100 그래픽카드에서 영어 음성을 받아 적어 잰 것이고, 실제 속도는 언어, 말하는 속도, 하드웨어에 따라 크게 달라질 수 있다고 적었어요.
• 필요 VRAM은 README가 '대략적인 메모리 요구량'이라고 적은 값이에요.
• 모델 파일 크기는 Purfview README가 모델을 내려받는 곳으로 적은 Hugging Face 저장소의 model.bin 하나의 크기예요. tiny부터 large-v3까지는 Systran 저장소, turbo는 Purfview 저장소 기준이고, 저장소마다 수 MB짜리 토크나이저 파일이 따로 있어요. 팟플레이어가 어느 저장소에서 어떤 파일을 받는지는 업데이트 기록에 없어요.
• turbo는 large-v3를 최적화한 모델로, README는 정확도 저하를 최소로 하면서 받아쓰기를 더 빠르게 했다고 적었어요. turbo의 파라미터 수는 README 표가 8억 900만 개, 같은 저장소의 모델 카드가 7억 9,800만 개로 서로 달라요.
• tiny부터 medium까지는 영어 전용 모델(이름 끝이 .en)도 있어요. README는 영어만 쓸 때 .en 모델이 더 나은 편이고, 특히 tiny.en과 base.en에서 차이가 크며 small.en과 medium.en에서는 차이가 줄어든다고 적었어요.

그래픽카드 메모리로 거르는 기준

README 표의 필요 VRAM을 그래픽카드 메모리와 바로 맞대 보면 이렇게 나뉘어요.

엔진 배포처의 권고(medium보다 작은 모델은 쓰지 말 것)까지 겹치면, README 표 기준으로는 그래픽카드 메모리 5GB 이상이 출발선이에요.

다만 이 표에는 큰 단서가 있어요. README의 VRAM 숫자는 OpenAI가 만든 원래 구현(openai/whisper) 기준인데, 업데이트 기록에 이름이 나온 엔진(250226 항목의 Faster-Whisper-XXL, 250313 항목의 whisper faster)은 이름 그대로 faster-whisper 계열이에요. 241211 항목에서 처음 넣은 엔진의 이름은 기록에 없고, 같은 배포처는 원래 구현을 고치지 않고 묶은 Whisper 실행 파일도 따로 내놓았어요. faster-whisper README는 이 구현이 같은 정확도에서 openai/whisper보다 최대 4배 빠르고 메모리를 덜 쓰며, CPU와 GPU 모두에서 8비트 양자화로 효율을 더 높일 수 있다고 적었어요.

faster-whisper README의 벤치마크는 13분 길이 음성을 large-v2 모델로 받아 적은 결과예요. 조건은 NVIDIA RTX 3070 Ti 8GB, CUDA 12.4, 빔 크기 5예요.

여기서 두 가지를 읽을 수 있어요. 첫째, README 표가 large에 약 10GB를 적었지만 이 벤치마크에서는 openai/whisper 구현으로 large-v2를 fp16으로 돌려도 4,708MB였고, 8GB 그래픽카드에서 끝까지 돌았어요. README 표는 대략값이고 벤치마크는 특정 그래픽카드·정밀도·음성 파일에서 잰 값이라 두 숫자가 어긋나요. README 표는 대략적인 기준으로만 보세요. 둘째, 같은 faster-whisper라도 int8로 돌리면 VRAM이 2,926MB까지 내려가고, 배치 처리를 켜면 시간은 줄지만 VRAM은 늘어요.

팟플레이어가 엔진에 어떤 정밀도(fp16, int8)와 배치 설정을 넘기는지는 업데이트 기록에 없어요. 그래서 위 표의 2,926MB를 보고 4GB 그래픽카드에서 large가 돈다고 단정할 수는 없어요. 250514 항목에 'Whisper 추가 옵션'이라는 말이 나오지만, 그 옵션에 무엇을 넣는지도 기록에는 적혀 있지 않아요.

그래픽카드 메모리를 기준으로 AI 모델을 거르는 이야기는 로컬 LLM 쪽에서도 올라마 모델 219개 용량을 전부 재 본 글에서 다룬 적이 있어요.

그래픽카드가 없거나 NVIDIA가 아니라면

엔진 배포처 README에 GPU를 쓰는 조건으로 적힌 문장은 'CUDA가 감지되면 프로그램이 자동으로 GPU에서 작동한다'는 한 줄이에요. faster-whisper README도 GPU 실행에 NVIDIA 라이브러리(CUDA 12용 cuBLAS, cuDNN 9)가 필요하다고 적었어요. AMD나 인텔 그래픽카드로 GPU 가속을 쓰는 방법은 두 README 어디에도 적혀 있지 않았어요. 배포처 README는 CUDA가 감지되지 않을 때 어떻게 도는지 따로 적지 않았지만, faster-whisper README에는 CPU로만 돌린 결과가 따로 있어요.

같은 13분 음성을 small 모델로, 인텔 Core i7-12700K 8스레드에서 받아 적은 결과예요(빔 크기 5).

이 CPU에서는 다섯 줄 모두 13분짜리 음성을 13분보다 짧은 시간에 끝냈어요. 하지만 CPU로 medium이나 large를 돌린 숫자는 faster-whisper README에도 openai/whisper README에도 없어요. CPU가 다르면 시간도 달라지고 이 표는 팟플레이어에서 잰 값도 아니니, 'CPU로도 small은 돌릴 수 있다'는 근거 정도로만 쓰는 게 맞아요.

RTX 50 시리즈와 엔진 조건

RTX 50 시리즈 그래픽카드(업데이트 기록 표현으로는 NVIDIA 5000 번대 GPU)라면 팟플레이어 버전부터 보세요. 업데이트 기록 250313 항목에 'NVIDIA 5000 번대 GPU에서 whisper faster가 동작하지 않던 문제 수정'이라는 줄이 있어요. 이보다 앞선 버전이라면 업데이트가 먼저예요.

엔진 쪽 조건은 배포처 README와 GitHub 릴리스에 적혀 있어요.

• Faster-Whisper-XXL 실행 파일은 x86-64용이고, 마지막 실행 파일은 Windows 10 이상에서 돈다고 적혀 있어요. 배포처 변경 기록에도 Windows 7 지원을 끝냈다는 줄(r193.1)이 있어요.
• 팟플레이어 공식 사이트는 지원 운영체제를 Windows 11, 10, 8.1, 8, 7로 적었고, 260819 항목에서 ARM64 빌드를 내놓았어요. ARM64 팟플레이어에서 이 엔진이 도는지는 업데이트 기록에 없어요.
• 같은 배포처의 일반 Faster-Whisper(XXL이 아닌 판)는 배포처가 지원 중단(Deprecated)으로 표시하고 XXL을 쓰라고 적었어요. 그 마지막 릴리스(r192.3)는 GPU로 돌리려면 CUDA 11용 cuBLAS·cuDNN 8 라이브러리를 따로 받아야 했지만, XXL 릴리스 본문은 필요한 라이브러리를 모두 넣었다고 적었어요.
• 배포처 GitHub의 Faster-Whisper-XXL r245.4 Windows용 압축 파일은 1,424,256,246바이트(약 1.42GB)이고, 2025년 4월 13일(UTC)에 올라왔어요. 팟플레이어의 엔진 업데이트 기능이 이 파일을 직접 받는지는 업데이트 기록에 없어요.
• 배포처 README는 Faster-Whisper-XXL Pro를 후원자용 비공개 판으로 적었어요.

내려받을 양도 가늠해 두세요. 엔진 압축 파일만 약 1.42GB이고, 모델 파일은 앞 표 기준으로 medium 약 1.53GB, large-v3 약 3.09GB예요. 압축을 푼 뒤의 엔진 크기는 릴리스 정보에 적혀 있지 않아요.

언어별 정확도, 한국어는 어디쯤인가

openai/whisper README는 Whisper의 성능이 언어에 따라 크게 다르다고 적고, large-v3와 large-v2의 언어별 오류율 차트를 실었어요. 차트에서 기울임꼴로 적힌 언어는 글자 오류율(CER), 나머지는 단어 오류율(WER)이고, 숫자는 large-v3 막대에만 적혀 있어요.

한국어는 두 차트 모두 위에서 세 번째 줄에 있어요. 다만 CER과 WER은 세는 단위가 달라 한국어 5.2%와 영어 9.3%를 그대로 견줄 수는 없어요. 그리고 이 차트는 large-v3와 large-v2만 다뤄요. 다른 모델의 수치는 README가 논문 부록(D.1, D.2, D.4)으로 안내하는데, 이 글은 논문을 열지 않아 tiny부터 medium까지의 한국어 수치는 옮기지 못했어요. turbo는 모델 카드 기준 2024년 9월에 추가된 모델이라, 2022년 12월 6일에 올라온 논문(arXiv 2212.04356, 올라온 판은 v1 하나)보다 늦게 나왔어요. 그래서 그 부록에도 turbo 수치는 들어 있을 수 없고, README 차트에도 없어요.

모델 카드에는 조심할 점도 적혀 있어요.

• 실제로 말하지 않은 문장을 만들어 내는 경우(환각)가 있을 수 있어요.
• 학습 데이터가 적은 언어일수록 정확도가 낮고, 같은 언어 안에서도 억양과 방언에 따라 성능이 달라요.
• 같은 문장을 반복해서 만들어 내는 경향이 있고, 빔 탐색과 온도 조정으로 어느 정도 줄일 수 있지만 완전히는 아니라고 적었어요.

번역은 영어로만, 한국어 자막 번역은 따로 확인해야

외국어 영상을 보면서 바로 한국어 자막을 원한다면 여기가 중요해요. Whisper 모델 카드는 번역 기능을 '음성을 영어로 옮기는 것'으로 적었고, README도 번역을 '영어가 아닌 음성을 영어로' 옮기는 일로 설명해요. Whisper 자체 번역으로 일본어 음성을 영어 자막으로 바꿀 수는 있지만, 두 문서가 적은 번역 방향은 영어뿐이에요.

모델마다 번역 여부도 달라요. README는 turbo 모델이 번역용으로 학습되지 않아서, 번역을 지정해도 원래 언어 그대로 돌려준다고 적었어요. 번역에는 다국어 모델(tiny, base, small, medium, large)을 쓰고, 가장 좋은 번역 결과는 medium이나 large로 얻으라고 안내해요.

팟플레이어에는 자막 번역 기능이 따로 있어요. 한국어 업데이트 기록에서 '번역'으로 찾으면 2018년 5월 24일 항목(1.7.12248)의 '온라인 자막 번역 확장 기능 추가'가 가장 먼저 나오고, 2019년 4월 17일 항목(1.7.18344)에 '카카오 자막 번역 기능 추가', 230705 항목에 '선택한 언어 외에 자막 번역 하는 기능 추가', 230830 항목에 '자막 번역 시 가능하면 자막 속성을 유지하게 수정'이라는 줄이 있어요. 하지만 Whisper로 만든 자막을 이 번역 기능에 이어서 쓸 수 있는지는 업데이트 기록에 적혀 있지 않아요. 윈도우의 Live Captions 번역 언어가 Copilot+ PC 사양 페이지에 어떻게 적혀 있는지는 Copilot+ PC 조건 글에 따로 정리해 두었어요.

실시간 자막 생성과 VAD

250909 항목에서 '소리로 자막 생성 실시간 기능'이 추가됐고, 260114 항목에서 실시간 스트리밍 재생 때 싱크가 맞지 않던 문제를 고쳤어요. 260401 항목(한국어판)에는 '소리로 자막 생성(실시간) 안전성 개선'이라는 줄이 더 있어요. 실시간 기능이 어떤 모델과 방식으로 도는지는 기록에 없어요. Whisper 모델 카드는 Whisper 모델을 그대로는 실시간 받아쓰기에 쓸 수 없지만, 속도와 크기를 보면 그 위에 거의 실시간에 가까운 응용을 만들 수 있을 것이라고 적었어요. 실시간으로 쓸 때는 앞 표의 상대 속도 열을 VRAM 열만큼 눈여겨보세요.

VAD는 250625 항목에서 Whisper에 추가됐어요. faster-whisper README 설명으로는 VAD가 Silero VAD 모델로 말소리가 없는 구간을 걸러 내는 기능이에요. 기본 동작은 보수적이라 2초보다 긴 침묵만 걸러 내고, 배치 처리에서는 기본으로 켜진다고 적었어요. XXL은 여기에 silero_v3, silero_v4, silero_v5, pyannote_v3, pyannote_onnx_v3, auditok, webrtc 같은 다른 VAD 방식을 더했다고 배포처 README가 적었어요. 팟플레이어에서 VAD가 기본으로 켜지는지는 업데이트 기록에 없어요.

내 PC에 맞는 모델 고르는 순서

문서들이 적은 내용을 순서대로 묶으면 이래요.

1. NVIDIA 그래픽카드가 있는지 봐요. 엔진은 CUDA가 감지되면 GPU를 써요.
2. 그래픽카드 메모리를 README 표(대략값)와 맞대요. 5GB 이상이면 medium, 6GB 이상이면 turbo, 10GB 이상이면 large까지 표 안에 들어와요.
3. 배포처 권고는 medium 이상이에요. 메모리가 5GB에 못 미치면 README 표로는 small 이하지만, 표가 대략값이라 그 메모리에서 medium이 실제로 도는지는 이 글이 확인하지 않았어요.
4. 번역이 필요하면 turbo는 빼요. Whisper 문서가 적은 번역 방향은 영어뿐이고, turbo는 번역용으로 학습되지 않았어요.
5. RTX 50 시리즈라면 팟플레이어 버전이 250313 이후인지 먼저 봐요.
6. 내려받을 양을 봐요. 배포처의 엔진 압축 파일이 약 1.42GB이고 모델 파일이 따로 있어요(medium 약 1.53GB, large-v3 약 3.09GB). 팟플레이어가 이 파일들을 그대로 받는지는 기록에 없어요.

이 글이 확인하지 않은 것

이 글은 2026년 10월 21일에 공식 페이지와 GitHub 저장소, Hugging Face 저장소, arXiv 논문 페이지 정보를 받아 옮긴 것까지예요. 아래는 확인하지 않았어요.

• 팟플레이어 안의 메뉴 경로와 항목 이름, 팟플레이어에서 모델을 고를 수 있는지와 그 목록, 기본 모델
• 팟플레이어가 엔진에 넘기는 정밀도(fp16, int8)와 배치 설정, VAD 기본값
• 팟플레이어가 엔진과 모델 파일을 어디서 받는지
• 2026년 10월 21일 오전에 바뀐 설치 파일의 버전 번호와 바뀐 내용
• ARM64 팟플레이어에서 Whisper 엔진이 도는지
• tiny부터 medium까지의 한국어 오류율(논문 부록을 열지 않았어요)과 turbo의 한국어 오류율(README 차트에 없고, 논문보다 늦게 나온 모델이에요)
• 특정 PC나 그래픽카드에서의 실제 속도와 메모리 사용량

원문은 팟플레이어 한국어 업데이트 기록, openai/whisper 저장소, SYSTRAN faster-whisper 저장소, Purfview whisper-standalone-win 저장소, Whisper 논문 arXiv 페이지에서 볼 수 있어요.