블로그로 돌아가기

Parakeet vs Whisper 속도·정확도·언어 비교

Parakeet vs Whisper: NVIDIA의 Parakeet은 더 빠르고 영어 벤치마크에서도 앞서지만 유럽 언어 25개만 지원하고, Whisper는 99개 언어를 지원해요. 자막에는 무엇을 쓸까요?

2026년 11월 16일
Sablate Team

Parakeet vs Whisper는 영상이 어떤 언어인지로 갈려요. NVIDIA의 Parakeet TDT 0.6B v3는 Whisper보다 훨씬 빠르고, Open ASR Leaderboard의 영어 테스트에서는 Whisper large-v3와 turbo보다 정확해요. 하지만 지원하는 언어는 유럽 언어 25개이고 Whisper는 99개예요. 터키어, 일본어, 한국어, 중국어, 아랍어, 힌디어를 포함해 이 25개 밖의 언어에는 Parakeet을 쓸 수 없어요.

그래서 벤치마크 차트가 보여 주는 것보다 선택이 쉬워요. NVIDIA와 OpenAI의 모델 카드와 리더보드에서 가져온 수치, Parakeet이 그렇게 빠른 이유, Whisper가 여전히 앞서는 부분, 그리고 각각을 돌리는 데스크톱 앱을 차례로 살펴봐요.

Parakeet vs Whisper 한눈에 비교

수치는 NVIDIA와 OpenAI의 모델 카드, 그리고 2026년 11월 13일에 마지막으로 갱신된 Open ASR Leaderboard에서 2026년 11월 16일에 확인했어요. 오류율은 리더보드의 영어 평균 단어 오류율이고, 낮을수록 좋아요. 속도는 리더보드의 RTFx로, NVIDIA H200 한 장에서 컴퓨팅 1초당 전사한 오디오의 초 수예요.

항목Parakeet TDT 0.6B v3Whisper large-v3Whisper large-v3-turbo
개발사NVIDIAOpenAIOpenAI
파라미터600 M1,550 M809 M
지원 언어유럽 25개 언어99개 언어99개 언어
영어 오류율 (리더보드)7.04%8.24%8.75%
장시간 녹음 오류율 (리더보드)12.60%13.10%12.82%
속도 (RTFx)~6,320~470~810
터키어, 일본어, 한국어, 중국어, 아랍어, 힌디어아니요예예
음성 번역아니요영어로아니요
단어 타임스탬프예예예
라이선스CC-BY-4.0MITMIT

두 행은 다시 볼 만해요. 지원 언어 행이 어떤 행보다 더 많은 것을 결정해요. 더 빠르고 더 정확한 모델이라도 내 언어를 알아듣지 못하면 아무 가치가 없으니까요. 그리고 실적 발표 통화와 긴 인터뷰로 측정한 장시간 녹음 행에서는 세 모델의 차이가 0.5포인트 이내예요. Parakeet의 우위가 가장 뚜렷한 건 대부분의 벤치마크를 이루는 짧은 영어 클립이에요.

NVIDIA의 모델 카드에는 자동 구두점과 대소문자 표기, 자동 언어 감지, 그리고 전체 어텐션으로는 한 번에 최대 24분, 로컬 어텐션으로는 최대 세 시간 길이의 오디오 처리도 나와 있어요. Whisper는 OpenAI의 README에 설명된 대로 오디오를 30초 창 단위로 옮겨 가며 처리해서 어떤 길이든 다룰 수 있어요.

Parakeet은 왜 Whisper보다 훨씬 빠를까요?

두 모델은 구조가 달라요. Whisper는 인코더-디코더 트랜스포머예요. 인코더가 30초 분량의 오디오를 듣고, 디코더가 텍스트를 토큰 하나씩 써 내려가는데, 각 토큰은 앞선 토큰을 기다려야 해요. 시간의 대부분이 이 뒷부분에서 쓰이고, 인코더는 그대로 두고 디코더를 32개 레이어에서 4개로 줄인 large-v3-turbo가 large-v3보다 약 8배 빠른 것도 그래서예요.

Parakeet은 FastConformer 인코더에 TDT 디코더를 짝지어요. TDT는 Token-and-Duration Transducer의 약자로, 단계마다 다음 토큰과 그 토큰이 오디오 프레임 몇 개를 차지하는지를 함께 예측해요. 그래서 모든 프레임을 하나씩 거치지 않고 프레임을 건너뛸 수 있어요. 개발진은 이것만으로 기존 트랜스듀서보다 추론이 최대 2.82배 빨라졌다고 측정했어요. 오디오 1초당 일이 줄어드니, 컴퓨팅 1초당 처리하는 오디오가 늘어나는 거예요.

리더보드의 속도 수치는 약속이 아니라 비율로 받아들이세요. 이 수치는 데이터센터용 GPU에서 나온 거예요. 집에 있는 RTX 카드나 노트북 CPU에서는 두 모델 모두 이 수치보다 몇 배나 느리고, Parakeet이 얼마나 더 빠른 채로 남는지는 그걸 돌리는 소프트웨어에 따라 달라요. 저희는 데스크톱 하드웨어에서 직접 측정해 보지 않았기 때문에 그에 대한 수치는 공개하지 않아요.

Parakeet이 Whisper보다 더 정확할까요?

영어 벤치마크에서는 그래요. Parakeet v3는 리더보드의 현재 영어 세트에서 평균 단어 오류율 7.04%를 기록했고, Whisper large-v3는 8.24%, turbo는 8.75%예요. 영어 전용인 이전 버전 Parakeet v2는 6.93%로 조금 더 나아요. 장시간 녹음에서는 차이가 거의 좁혀져요. Parakeet v3가 12.60%, turbo가 12.82%, large-v3가 13.10%예요.

이 수치를 과대평가하지 않으려면 세 가지를 기억하세요.

  • 리더보드는 대부분 영어예요. 다국어 탭은 여덟 개 언어를 테스트해요. Parakeet v3는 그중 여섯 개를 지원하고 중국어와 힌디어는 점수가 없어서, 다국어 평균이 아예 없어요. Whisper large-v3는 여덟 개 언어에서 평균 7.76%예요.
  • 벤치마크는 내 오디오가 아니에요. 1퍼센트포인트 차이는 단어 백 개당 하나 정도예요. 마이크, 억양, 음악, 동시에 말하는 소리가 결과를 움직이는 정도가 모델 순위보다 훨씬 커요.
  • Whisper의 오류는 잘 문서화돼 있고, Parakeet의 오류는 덜 그래요. OpenAI 자체 논문은 Whisper가 “반복 루프에 빠지는 것”과 “모델이 실제 오디오와 전혀 무관한 전사본을 출력하는 완전한 환각”을 겪는다고 적어요. NVIDIA의 모델 카드는 환각에 대해 어느 쪽으로도 언급하지 않고 대신 잡음 수치를 공개하는데, 영어 오류율이 깨끗한 오디오의 6.34%에서 신호 대 잡음비 0 dB에서는 11.66%로 올라가요. Whisper가 환각을 일으키는 이유에서 Whisper 쪽 해결법을 다뤄요.

자막에서는 이렇게 작은 정확도 차이보다 누락이 더 중요해요. 문장을 건너뛰는 모델이 이름을 잘못 쓰는 모델보다 더 큰 대가를 치르게 하니, 내 클립으로 직접 테스트하고 무엇이 빠졌는지부터 보세요.

Parakeet v3는 어떤 언어를 지원하나요?

25개이고, 모두 유럽 언어예요. 불가리아어, 크로아티아어, 체코어, 덴마크어, 네덜란드어, 영어, 에스토니아어, 핀란드어, 프랑스어, 독일어, 그리스어, 헝가리어, 이탈리아어, 라트비아어, 리투아니아어, 몰타어, 폴란드어, 포르투갈어, 루마니아어, 러시아어, 슬로바키아어, 슬로베니아어, 스페인어, 스웨덴어, 우크라이나어예요. 이 중 어떤 언어로 말하는지는 알려 주지 않아도 감지해요.

그 밖의 언어는 손이 닿지 않아요. 터키어, 일본어, 한국어, 중국어, 아랍어, 힌디어, 베트남어, 태국어, 인도네시아어, 페르시아어는 Parakeet v3가 전사하지 못하는 언어에 속해요. NVIDIA가 이전 세대의 일본어 전용 Parakeet 모델을 따로 공개하긴 하지만, 아시아 언어나 터키어를 다루는 다국어 Parakeet 모델은 없어요.

Whisper의 99개 언어도 모두 같은 수준은 아니에요. OpenAI의 README가 밝히듯 언어마다 정확도가 크게 달라요. Whisper 지원 언어에 OpenAI가 공개한 언어별 오류율이 나와 있어요. 하지만 내 언어에서 결과가 약해도 그건 고칠 수 있는 전사본이에요. 결과가 아예 없으면 고칠 것도 없어요.

2026년 11월 기준으로 NVIDIA의 Hugging Face 페이지에는 Parakeet v4가 없어요. 더 새로운 0.6B 릴리스는 스트리밍 영어 모델과, 같은 유럽 언어 25개를 다루는 그 다국어 버전이에요.

Windows와 Mac에서 Parakeet을 돌릴 수 있는 곳은?

Parakeet은 NVIDIA의 NeMo 툴킷에서 나왔어요. 모델 카드가 NVIDIA GPU에 최적화됐고 Linux를 선호한다고 설명하는 Python 프레임워크예요. 그렇게 직접 돌리는 사람은 많지 않아요. 아래 데스크톱 앱들이 각 앱의 공식 페이지에 따르면 Parakeet을 포장해서 제공해요.

  • Vibe (Windows, Mac, Linux용, 무료 오픈소스): Whisper와 Parakeet TDT v3를 돌리고 SRT, VTT, 여러 문서 형식으로 내보내요.
  • Subtitle Edit (Windows, Mac, Linux용, 무료): 버전 5.1에서 CrispASR 엔진을 통해 Speech to text 창에 Parakeet 모델을 추가했어요. Subtitle Edit와 Whisper에서 그 창을 다뤄요.
  • MacWhisper (Mac용): Apple Silicon에서 Whisper와 Parakeet을 돌리고 SRT와 VTT로 내보내요. MacWhisper 윈도우 대안에서 Windows 선택지와 비교해요.
  • MacParakeet (Apple Silicon용, 무료 오픈소스): Parakeet v3를 중심으로 만들어졌고, SRT와 VTT로 내보내며, 중국어, 일본어, 한국어는 지원하지 않는다고 분명히 밝혀요.
  • parakeet-mlx: Apple Silicon용 명령줄 도구이고 SRT를 기본으로 만들어요.
  • Handy (Windows, Mac, Linux용, 무료): Parakeet v3를 파일 전사가 아니라 음성 받아쓰기에 써요.

Whisper 쪽은 Whisper GUI 비교에서 데스크톱 앱 일곱 개와 각 앱이 돌리는 엔진을 볼 수 있어요.

Parakeet과 Whisper, 자막에는 무엇을 써야 할까요?

“영상이 영어이거나 Parakeet이 지원하는 25개 언어 중 하나이고, 속도가 중요해요.” Vibe나 Subtitle Edit에서 Parakeet을 써 보세요. 더 빠르고, 영어 벤치마크에서는 조금 더 정확해요.

“영상이 터키어, 일본어, 한국어, 중국어, 아랍어, 힌디어예요.” Whisper를 쓰세요. Parakeet은 이 언어들을 아예 전사하지 못해요.

“여러 언어로 작업하는데 전부 유럽 언어는 아니에요.” Whisper를 쓰세요. 도구 하나와 작업 방식 하나로 모든 영상을 다룰 수 있어요.

“말한 언어만이 아니라 다른 언어 자막도 필요해요.” 어느 모델도 혼자서는 그걸 잘하지 못해요. 말한 언어에 맞는 모델로 전사하고, 전사본을 교정한 다음, 텍스트를 번역하세요.

“긴 녹음을 전사해요.” 어느 쪽이든 돼요. 리더보드의 장시간 테스트에서는 세 모델이 0.5포인트 이내라서, 언어와 속도를 보고 고르세요.

Sablate가 Parakeet이 아니라 Whisper를 쓰는 이유

Sablate는 내 컴퓨터에서 faster-whisper로 전사하고, Parakeet은 제공하지 않아요. 이유는 언어예요. Sablate는 하나의 전사본이 여러 언어의 자막이 되도록 만들어졌고, 원본 영상은 Whisper의 99개 언어에 광둥어를 더한 100개 언어 중 무엇이든 될 수 있어요. 유럽 언어 25개에서 멈추는 모델로는 사용자가 가져오는 터키어, 일본어, 한국어 영상을 다룰 수 없을 거예요.

이 절충은 실제로 있고, 해당되는 영역에서는 Parakeet이 이겨요. Mac에서 Sablate는 whisper.cpp를 통해 Apple Silicon GPU에서 Whisper를 돌리지만, 영어나 유럽 언어라면 Parakeet을 돌리는 MacWhisper나 MacParakeet이 여전히 더 빨리 끝나요. Windows에서는 NVIDIA GPU가 Sablate의 Whisper 모델을 CPU보다 대략 5~10배 빠르게 만들고, large-v3-turbo가 합리적인 기본값이에요.

전사본이 나온 뒤의 일에서 Sablate는 전사 앱과 달라요. 번역마다 같은 타이밍 위에 레이어가 하나씩 생기고, Argos로 오프라인 번역하거나 내 DeepL, OpenAI, Claude 키를 쓸 수 있고, 언어마다 자기만의 스타일과 폰트를 유지해요. .srt나 .vtt 파일, 언어마다 트랙 하나씩 담은 .mkv 하나, 또는 구워 넣은 .mp4로 내보내세요. 무료 요금제는 Fast와 Balanced 모델을 쓰고, Pro는 $29를 한 번 결제하거나 월 $5.99로 Accurate(large-v3-turbo)와 Best(large-v3)를 더해요.

한 줄 요약

Parakeet v3는 더 빠른 모델이고, 영어에서는 조금 더 정확한 모델이에요. Whisper는 내 언어가 Parakeet의 25개에 없을 때 그 언어를 알아듣는 모델이에요. 영어나 유럽 언어 영상이라면 Vibe나 Subtitle Edit 같은 무료 앱에서 Parakeet을 써 보세요. 그 밖의 언어이거나 자막이 여러 언어가 되어야 한다면 Whisper를 쓰고, 크기를 고를 때는 Whisper 모델 비교를 참고하세요.

자주 묻는 질문

Parakeet이 Whisper보다 더 나은가요?

영어와 지원하는 유럽 언어 25개에서는 그래요. Parakeet TDT 0.6B v3는 Open ASR Leaderboard에서 Whisper large-v3와 turbo보다 더 빠르고 오류율도 더 낮아요. 하지만 그 밖의 언어에는 선택지가 되지 못해요. 터키어, 일본어, 한국어, 중국어, 아랍어, 힌디어는 전사하지 못하거든요. Whisper는 99개 언어를 지원해요.

Parakeet은 Whisper보다 얼마나 더 빠른가요?

Open ASR Leaderboard 기준으로 Whisper large-v3보다 약 13배, turbo보다 약 8배 빨라요. 리더보드는 데이터센터용 GPU에서 Parakeet v3가 컴퓨팅 1초당 약 6,300초 분량의 오디오를 처리한다고 측정했어요. 데스크톱 그래픽 카드나 노트북에서는 절대 수치가 훨씬 낮고, 각 모델을 돌리는 소프트웨어에 따라 달라져요.

Parakeet v3는 어떤 언어를 지원하나요?

유럽 언어 25개예요. 불가리아어, 크로아티아어, 체코어, 덴마크어, 네덜란드어, 영어, 에스토니아어, 핀란드어, 프랑스어, 독일어, 그리스어, 헝가리어, 이탈리아어, 라트비아어, 리투아니아어, 몰타어, 폴란드어, 포르투갈어, 루마니아어, 러시아어, 슬로바키아어, 슬로베니아어, 스페인어, 스웨덴어, 우크라이나어이고, 이 중 어떤 언어로 말하는지 자동으로 감지해요. 이전 버전인 Parakeet v2는 영어만 전사해요.

Parakeet으로 일본어, 중국어, 한국어, 터키어도 전사할 수 있나요?

아니요. 넷 다 Parakeet v3의 25개 언어 목록에 없고, 아랍어와 힌디어도 없어요. NVIDIA에는 이전 세대의 일본어 전용 Parakeet 모델이 따로 있지만, 아시아 언어나 터키어를 다루는 다국어 Parakeet 모델은 없어요. 이런 언어에는 Whisper large-v3나 turbo가 현실적인 로컬 선택이에요.

Parakeet도 Whisper처럼 음성을 번역할 수 있나요?

아니요. Parakeet은 말한 언어 그대로 전사만 해요. Whisper large-v3는 음성을 영어로 번역할 수 있지만 turbo는 못 해요. NVIDIA의 음성 번역 모델은 Canary-1B-v2이고, 영어와 24개 유럽 언어 사이를 번역해요. 다른 언어 자막이 필요하다면, 교정한 전사본을 텍스트로 번역하는 편이 둘 중 어느 쪽보다도 결과가 좋아요.