Whisper Transcribe

Whisper 트랜스크립션 파이프라인

첫 사용 설정 (이 컴퓨터에서 처음일 때만)

처음 쓸 때 아래를 확인하고, 사용자가 쓰는 Python 환경(conda env 등)을 한 번 물어봐서 기억해둔다. 이후 모든 명령은 그 환경의 bin을 PATH 앞에 넣어 실행한다 (아래 명령의 {ENV_BIN} 자리에 예: ~/miniconda3/envs/myenv/bin).

# CUDA 지원 torch가 깔린 env에 설치해야 GPU 사용 가능
pip install openai-whisper
conda install -c conda-forge ffmpeg   # 또는 시스템 ffmpeg

• 설치 확인: python -c "import torch; print(torch.cuda.is_available())" → True여야 GPU 사용
• 모델 가중치는 첫 실행 시 ~/.cache/whisper/에 자동 다운로드됨 (medium ~1.5GB, large-v3 ~3GB)
• CPU 폴백 함정: torch가 CPU 빌드면 에러 없이 조용히 CPU로 돌아 수 배 느려짐 — 반드시 위 확인 명령으로 검증

Input

• 대상 mp4 파일(들). 지정이 없으면 videos/에서 transcripts/에 같은 이름의 .txt가 없는 영상 전부 (idempotent).

Step 1: ffmpeg 오디오 추출 (병렬 가능, CPU, 수 초)

PATH={ENV_BIN}:$PATH \
  ffmpeg -i 'videos/{이름}.mp4' -vn -acodec pcm_s16le -ar 16000 -ac 1 'audio/{이름}.wav' -y

• 여러 영상이면 각각 run_in_background로 동시 실행 가능

Step 2: Whisper 트랜스크립션 (반드시 순차, GPU)

PATH={ENV_BIN}:$PATH \
  whisper 'audio/{이름}.wav' --model medium --language ko \
  --output_format txt --output_dir transcripts --verbose False \
  > 'logs/whisper_{이름}.log' 2>&1

규칙 (전부 실전에서 검증된 함정들)

1. CUDA torch가 있는 env로 실행 — 첫 사용 설정에서 확인한 {ENV_BIN}을 PATH 앞에 넣는다. CUDA 미지원 env면 CPU 폴백되어 수 배 느림.
2. Whisper는 순차 실행 — 병렬 시 GPU OOM. 여러 파일이면 하나의 background 쉘 루프에서 순서대로 처리.
3. 언어 명시 — 자동 감지보다 안정적. 한국어 강의는 --language ko, 영어는 --language en.
4. idempotent: transcripts/{이름}.txt가 이미 있으면 건너뛴다.
5. 로그: 출력은 logs/whisper_*.log로 리다이렉트 (run_in_background + 직접 로그 파일, tail 파이프 금지).
6. 소요 시간: medium 모델 기준 30분 영상 ≈ 15분, VRAM ~5GB. GPU 여유가 있으면 --model large-v3 (~10GB)도 가능.
7. 완료 후 transcripts/{이름}.txt 존재와 용량(보통 19~33KB)을 확인해 보고한다.

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: JinukMoon
• Source: JinukMoon/agent-skills
• License: MIT

Install and usage instructions live in the source repository linked above.