DijiFlow는 어떻게 동작할까: 온디바이스 음성 인식과 Apple Silicon 쉽게 이해하기
Apple Silicon3분 분량

DijiFlow는 어떻게 동작할까: 온디바이스 음성 인식과 Apple Silicon 쉽게 이해하기

DijiFlow Dictate가 내 컴퓨터 안의 음성 모델과 Apple Silicon으로 목소리를 글자로 바꾸는 과정을 어려운 용어 없이 설명합니다.

받아쓰기는 신기하게 느껴집니다. 그런데 한 가지를 물어보면 이야기가 달라집니다. 내 목소리는 실제로 어디로 가는 걸까요? DijiFlow Dictate의 답은 '어디로도 가지 않는다'입니다. 말하면 커서 자리에 글이 나타나고, 단어 하나도 서버로 가지 않습니다. 계정도 없고 오디오나 텍스트를 올리지도 않습니다. 나중에 덧붙인 프라이버시 약속이 아니라, 앱을 만든 방식에서 저절로 따라오는 결과입니다.

이 일을 해내는 요소는 세 가지이고, 모두 잘 알려진 기술입니다. 소리를 알아듣는 음성 모델, 그 모델을 Mac에서 효율적으로 돌리는 런타임, 그리고 반응을 즉각적으로 만들어 주는 칩인 Apple Silicon입니다. 사전 지식은 필요 없습니다. 하나씩 쉬운 말로 풀어 보겠습니다.

  • 약 34 MB
    Mac 앱 다운로드 용량
  • 300 MB~6 GB
    음성 모델 (한 번만 내려받음)
  • Neural Engine
    실제 처리가 이루어지는 곳

음성 모델: 소리를 단어로 바꾸는 부분

DijiFlow Dictate의 중심에는 내 컴퓨터에서 실행되는 음성 인식 모델이 있습니다. 쉽게 말하면 음성 모델은 엄청난 양의 오디오와 그 전사본을 짝지어 학습한 거대한 패턴 인식기입니다. 이 데이터로 사람이 내는 소리가 어떤 단어에 해당하는지를 배우는데, 억양 차이와 주변 소음, 실제 대화의 자연스러운 멈춤까지 함께 익힙니다.

받아쓰기를 하면 모델은 마이크로 들어온 소리를 듣고 가장 그럴듯한 단어의 흐름을 예측하는데, 이 예측이 꽤 정확합니다. 또렷하게 말하면 정확도는 약 98%에 이릅니다. DijiFlow Dictate는 29개 언어를 완전히 지원하고, 자동 감지로는 90개 이상의 언어를 인식합니다. 단어를 하나씩 따로 맞추는 대신 문맥을 읽기 때문에, 사람들이 실제로 말하는 두서없는 방식도 잘 따라갑니다.

모델을 따로 내려받는 이유

많은 분이 의외라고 느끼는 부분인데, 앱과 모델은 별개의 파일입니다. DijiFlow Dictate의 Mac 앱 자체는 약 34 MB로 작습니다. 용량을 차지하는 것은 음성 모델로, 고르는 모델에 따라 약 300 MB~6 GB 정도입니다. Pro와 무료 체험에서는 '대형'이 가장 정확하고, '익스프레스'는 그에 가까운 정확도로 더 빠르며, '빠름'은 가장 빠르고 영어를 포함한 16개 언어를 지원합니다. 무료 버전은 '표준'과 '향상'을 씁니다. 속도와 정확도 사이에서 나에게 맞는 균형을 고르면 됩니다.

모델은 한 번만 내려받으면 되고, 그 뒤로 전사에는 인터넷이 전혀 필요 없습니다. 바로 이 한 번의 다운로드 덕분에 목소리가 내 컴퓨터 안에 머물 수 있습니다.

런타임: 모델을 효율적으로 돌리는 부분

음성 모델은 배터리를 많이 쓰지 않으면서 빠르게 돌아가야 쓸모가 있습니다. 이 일을 맡는 것이 런타임입니다. 런타임은 기기 안에서 머신러닝 모델을 실행하는 계층으로, 일종의 통역사이자 교통 정리 담당이라고 보면 됩니다. 음성 모델을 받아서 내 하드웨어의 어느 부분으로 돌리는 것이 가장 알맞은지 판단해 실행합니다.

Mac에서 DijiFlow Dictate의 음성 모델은 Apple의 자체 머신러닝 프레임워크에 맞춰 컴파일되어 있고, 이 프레임워크는 macOS에 기본으로 들어 있습니다. 덕분에 모델이 느린 범용 코드가 아니라 Apple 하드웨어에 최적화된 형태로 돌아가므로, 시스템 자원을 적게 쓰면서도 말하는 속도를 따라잡습니다. 모든 처리는 내 컴퓨터에서 이루어집니다. 이 프레임워크는 클라우드 서비스가 아니라, 앱이 데이터를 밖으로 내보내지 않고 기기 안에서 머신러닝 모델을 실행할 수 있게 해 주는 운영 체제의 일부입니다.

Apple Silicon: 즉각적인 반응을 만드는 칩

마지막 요소는 하드웨어입니다. 최신 Mac에 들어간 칩, 바로 Apple Silicon입니다. M 시리즈 칩으로, macOS 14 이상을 실행하는 Mac에 탑재되어 있습니다. 이 칩에는 머신러닝 모델을 아주 적은 전력으로 빠르게 돌리도록 따로 설계된 Neural Engine이 들어 있고, 더 큰 처리 능력이 필요할 때는 Metal을 통해 GPU도 함께 씁니다.

따로 설정할 것은 없습니다. 프레임워크가 작업을 알맞은 하드웨어에 자동으로 나눠 주므로, 말하기만 하면 칩이 실시간으로 처리합니다. 온디바이스 설계의 숨은 장점이 여기 있습니다. Mac을 빠르게 움직이는 바로 그 칩이 프라이버시를 지키는 받아쓰기를 가능하게 합니다.

처음부터 끝까지, 전체 과정

세 요소를 순서대로 놓으면 과정은 짧고, 처음부터 끝까지 내 컴퓨터 안에서 이루어집니다.

  1. 말하기

    마이크로 들어온 오디오는 기기 안에서 녹음되며 어디로도 전송되지 않습니다.

  2. Neural Engine에서 음성 모델 실행

    모델이 그 자리에서, Apple Silicon 위에서 소리를 실시간으로 단어로 바꿉니다.

  3. 커서 자리에 입력

    지금 쓰고 있는 앱에 말한 내용이 나타납니다. 밖으로 보내지 않으니 새어 나갈 것도 없습니다.

핵심 정리

모델이 내 컴퓨터에 있으므로 전사는 내 컴퓨터 안의 계산일 뿐입니다. 목소리를 저장하거나 가로채거나 몰래 보관할 서버가 과정에 끼어 있지 않습니다.

한 번 내려받으면 그다음은 내 기기에서 전사

대부분의 음성 도구는 앱 아이콘을 단 클라우드 서비스입니다. 내 말을 알아듣는 모델이 남의 장비에 있으니 쓸 때마다 인터넷 연결과 계정이 필요합니다. DijiFlow Dictate는 반대입니다. 한 번 설치하면 처리가 내 컴퓨터의 칩으로 옮겨 옵니다.

동작 방식 DijiFlow (온디바이스) 클라우드 받아쓰기
한 번 내려받은 뒤 바로 사용 ✓ ✗
인터넷 없이 전사 ✓ ✗
계정 없이 사용 ✓ ✗
오디오가 내 기기에 머묾 ✓ ✗

Mac 밖에서도

같은 온디바이스 방식은 Windows 10과 11에서도 그대로입니다. Windows에서는 DijiFlow Dictate가 AMD, Intel, NVIDIA GPU에서 실행됩니다. NVIDIA 그래픽카드에서는 CUDA와 최신 드라이버가 필요하지만 원리는 같습니다. 음성은 내 컴퓨터에서 전사되고, 목소리와 텍스트는 밖으로 나가지 않습니다.

특별한 비법이 아니라 탄탄한 기술

여기에 특별한 마법은 없습니다. DijiFlow Dictate는 공개되어 있고 잘 알려진 기술로 만들었습니다. 소리를 알아듣는 음성 모델, 런타임 역할을 하는 Apple의 머신러닝 프레임워크, 그리고 하드웨어인 Apple Silicon입니다. 중요한 것은 이 모두를 내 기기 안에 두기로 한 결정입니다. 그래서 무료 버전, 무료 체험, Pro 어느 쪽이든 목소리를 누구에게도 넘기지 않고 요즘 받아쓰기의 편리함을 누릴 수 있습니다.

읽기보다 직접 써 보고 싶다면, 내 컴퓨터에서 처리되는 받아쓰기를 Pro 플랜으로 30일 동안 무료로 써 보세요.

DijiFlow DictateDijiFlow Dictate

DijiFlow Dictate 팀

프라이버시를 지키는 온디바이스 받아쓰기와 음성으로 더 많은 일을 해내는 방법에 관한 노트.