2.12%.
이것은 Apple의 최신 운영체제(iOS 26 / macOS 26)에 내장된 음성 인식 엔진의 영어 오류율이다. 현재 오픈소스 커뮤니티에서 가장 널리 쓰이는 Whisper보다 거의 두 배 낮고, Apple의 바로 전 세대 제품보다 무려 4배 정확하다. 게다가 전 과정이 기기 내부에서 돌아가서 인터넷 연결이 필요 없고, 완전히 무료다.
2026년 7월 13일, 독립 개발팀 Inscribe가 한 번의 벤치마크 결과를 공개했다. Apple의 새 엔진과 세 가지 규모의 Whisper 모델을 똑같은 표준 말뭉치에 올려 5559건의 테스트를 돌린 것이다. 결과는 기술 커뮤니티 전체를 뒤흔들었다. Apple은 이겼을 뿐만 아니라, 논쟁의 여지 없이 이겼다.
일반 사용자에게 이것이 무슨 뜻인가? iPhone이나 Mac에서 음성을 텍스트로 바꿀 때 더 이상 서드파티 앱을 내려받을 필요가 없어진다. 시스템 기본 키보드 받아쓰기, 음성 메모 변환의 정확도가 유료로 써야 하는 대부분의 서드파티 솔루션을 이미 넘어섰다.
하지만 지난 3년 동안 “Whisper + 포장 인터페이스”로 유료 앱을 만들어온 작은 팀들에게 이 소식은 날벼락 같은 충격이다.
Apple은 대체 무엇을 했나?
이번 대규모 시스템 업데이트에서 Apple은 수년간 쓰이던 음성 인식 하위 엔진을 조용히 교체했다. 예전 엔진은 SFSpeechRecognizer, 새 엔진은 SpeechAnalyzer다. Apple은 이를 위해 발표회를 열지 않았고, 보도자료를 내지 않았고, 심지어 정확도 수치 하나도 공개하지 않았다. 그저 조용히 새 시스템을 올린 기기마다 모습을 드러내서, 사용자가 어느 날 실수로 마이크 버튼을 눌렀을 때야 비로소 “어, 전보다 훨씬 정확한 것 같은데?” 하고 깨닫게 만들었다.
Inscribe 팀이 이 벤치마크를 굳이 진행한 이유도, Apple이 아무 말도 하지 않았기 때문이다. 자신의 앱을 새 엔진으로 옮길지 말지 망설이는 개발자마다 어둠 속에서 짐작만 하고 있었다.
벤치마크 결과는 한눈에 들어온다.
| 엔진 | 명료 음성 오류율 | 시끄러운 환경 오류율 | 모델 크기 |
|---|---|---|---|
| Apple SpeechAnalyzer (신규) | 2.12% | 4.56% | 시스템 내장 |
| Whisper Small | 3.74% | 7.95% | 약 460MB |
| Whisper Base | 5.42% | 12.51% | 약 140MB |
| Whisper Tiny | 7.88% | 17.04% | 약 40MB |
| Apple 구형 엔진 SFSpeechRecognizer | 9.02% | 16.25% | 시스템 내장 |
데이터 출처: Inscribe 팀이 M2 Pro Mac(macOS 26.5.1)에서 실측. LibriSpeech 표준 영어 말뭉치 사용, 전부 오프라인 실행. 오류율은 낮을수록 좋음.
몇 가지 숫자의 충격은 어떤 설명보다 직관적이다. 새 엔진은 구형보다 4배 정확하고, 별도로 460MB 모델 파일을 내려받아야 하는 Whisper 중간 규모 버전보다도 거의 두 배 정확하다. 그리고 더 빠르다. 똑같은 오디오를 처리할 때 Apple 엔진은 Whisper의 약 3분의 1 시간만 쓴다.
왜 무료가 유료보다 잘 쓰이게 됐나?
이야기가 앞뒤가 안 맞는 듯하다. 하지만 기술 생태계라는 관점에서 보면, 플랫폼 사가 AI 기능을 내장하는 것은 서드파티가 흉내 낼 수 없는 몇 가지 구조적 이점이 있다.
첫째, 하드웨어와 소프트웨어의 일체화 튜닝이다. Apple의 음성 인식 엔진은 자사 칩 안의 “신경망 엔진”(Apple 기기에서 AI 작업을 전담하는 하드웨어 부분)을 위해 특별히 만들어졌다. 서드파티 개발자가 Whisper를 쓰면 범용 적응만 가능할 뿐, Apple처럼 모델을 칩 하층부에 직접 박아넣을 수는 없다. 결과로 나타나는 것은: 더 정확할 뿐만 아니라 더 빠르고 더 전력을 아낀다. 테스트에 따르면 Apple 엔진이 같은 오디오를 돌릴 때 소모되는 전력이 Whisper 모델을 올리는 방식보다 뚜렷하게 낮다. 이는 휴대전화 배터리 수명에 실질적인 이득이다.
둘째, 제로 홍보 비용이다. 서드파티 음성 변환 앱이 사용자를 얻으려면 앱스토어에 광고를 집행하고, 콘텐츠 마케팅을 하고, 경쟁사와 별점 경쟁을 해야 한다. Apple은 그 어떤 홍보도 필요 없다. 음성 인식은 키보드 속에, 음성 메모 속에 박혀 있다. 이 기능이 뭔지 이름조차 몰라도, 그것은 이미 거기에 있다. 어떤 입력창이든 열고 마이크 키를 한 번 누르면 쓸 수 있다. 이 “도달 비용이 제로”인 이점은 어떤 서드파티도 따라잡을 수 없다.
셋째, 프라이버시다. 대부분 서드파티 앱은 음성 데이터를 클라우드 서버로 보내 처리한다. Apple의 새 엔진은 전 과정이 기기 내부에서 돌아가서, 네트워크 연결이 없고 데이터를 보내지 않는다. 변호사, 의사, 기자, 기업 관리자처럼 프라이버시에 민감한 사용자에게 이 차이는 어느 쪽을 고를지 결정할 만하다.
역사는 계속 반복된다
Apple의 역사를 좀 아는 사람이라면, “기능 하나 내장해 앱 한 무리를 없앤다”는 각본이 이미 여러 번 연출됐다는 걸 안다.
2013년, iOS 7은 제어 센터에 손전등 버튼을 넣었다. 하룻밤 사이, 당시 앱스토어에서 가장 잘 팔리던 도구 앱인 손전등 앱들이 거의 전멸했다. 그 전까지 손전등 앱은 줄곧 순위권 상단을 차지했다.
2015년, Apple은 메모에 스캔 기능을 넣었고, 한 무리의 문서 스캔 앱이 성장을 멈췄다.
2024년, Apple은 음성 메모에 자동 변환을 그냥 넣었다. 그 전까지 “음성 메모를 서드파티 앱으로 내보내 변환한다”는 것은 수많은 유료 앱의 핵심 사용 장면이었다.
기술계에서 이런 행위를 가리켜 “Sherlocking”이라고 부른다. 2002년 Apple의 Sherlock 검색 도구가 서드파티 앱 Watson의 기능을 그대로 집어넣어 후자를 망하게 한 데서 유래했다. 20여 년이 지났지만 이 이름은 바뀌지 않았고, “Sherlock”당하는 앱만 계속 바뀌었을 뿐이다.
한 Hacker News 사용자의 댓글이 큰 공감을 얻었다: “Whisper를 단순히 포장한 유료 앱들, 안녕. Apple이 원래 녹음 변환 도구를 만들어 이 포장기들을 아예 쓸모 없게 만들 거란 말이야.”
하지만 이것은 “전부 사라진다”는 이야기가 아니다
“Sherlocking”이라는 말이 운명론적으로 들리긴 해도, 모든 음성 인식 서드파티가 문을 닫는 건 아니다.
핵심은 앱이 대체 무엇을 파는가다. 핵심 가치가 “버튼 누르기→글자 나오기”라면 진짜 위험하다. 시스템 기본 기능이 이미 더 좋고, 더 빠르고, 무료에, 더 프라이버시를 지켜주니까.
하지만 한 무리의 앱은 “변환” 그 자체 이상을 제공한다.
- 다국어 전사. Apple은 현재 주로 영어와 약 30개 언어를 최적화했고, Whisper는 100여 개 언어를 지원한다. 우르두어 전사가 필요한가? 티베트어 인식이 필요한가? Apple은 당분간 못한다.
- 자동 정리. 한 시간짜리 회의 녹음을 제목·실행 항목·참가자 표시가 달린 구조화된 회의록으로 자동 바꾼다. 이 단계에 이르면 “음성을 글로”에서 “음성을 지식으로”로 업그레이드된 셈이다.
- 크로스 플랫폼. Windows, 안드로이드에서 음성 변환을 하려면 Apple 방식은 아예 쓸 수 없다.
- 수직 장면. 의학 용어, 법률 용어, 특정 업계 고유 명사. 이런 맞춤형 장면은 범용 모델이 못한다.
Inscribe 자신이 가장 좋은 예다. 음성 변환 제품을 만드는 회사로서, 그들은 이 벤치마크 결과를 피하지 않고 오히려 자사 제품에 바로 조정을 넣었다. Apple 엔진이 지원하는 언어에서는 우선 Apple 엔진을 쓰고, 지원하지 않는 언어에서는 계속 Whisper를 쓴다. 그들의 태도는 명확하다. 서드파티 앱의 가치는 “어떤 장면에서, 어떤 방식으로, 어떤 변환 경험을 주느냐”에 있다는 것. 단순히 변환이 되느냐 자체가 아니다.
이 일의 진짜 의미
필자는 이번 SpeechAnalyzer 등장이 본질적으로 더 큰 흐름의 축소판이라고 본다. AI 능력이 “네가 직접 찾아야 하는 것”에서 “운영체제에 기본 내장된 것”으로 바뀌고 있다는 것이다.
Windows는 Copilot이 있고, 안드로이드에는 Gemini가 있고, Apple에는 자체 지능 체계가 있다. 모든 운영체제 제조사는 AI 능력 — 글 요약, 이미지 생성, 음성 인식 — 을 시스템 가장 하층부에 박아넣고 있다. 사용자에게는 어떤 앱이 좋은지, 어떤 게 가격이 합리적인지, 어떤 게 네 데이터를 훔칠지 비교할 필요가 없다. 기기를 켜면 쓸 수 있고, 네트워크를 끊어도 쓸 수 있고, 시스템을 올리면 저절로 좋아진다.
개발자에게는 더할 나위 없이 명확한 신호다. 네 제품이 단지 기술 모델의 “스킨”이나 “포장 상자”라면, 언제든 플랫폼 사의 한 줄 코드로 대체될 수 있다. 진짜 장벽은 “구체적 장면, 구체적 사용자 집단을 얼마나 깊이 이해하느냐”다. “어떤 AI 모델을 호출하느냐”가 아니다.
앱 생태계에게는 이것이 또 다른 형태의 진화일지도 모른다. 플랫폼 사는 인프라급 AI 능력을 제공하고(마치 운영체제에 계산기가 기본 내장되듯), 서드파티는 그 위에서 더 복잡하고, 더 수직적이고, 더 개성화된 혁신을 한다. “포장”만 하던 앱이 사라지면, 오히려 진짜 가치 있는 혁신에 자리가 난다.
참고 링크
- Inscribe 블로그: Apple Speech API Benchmark against Whisper — 독립 팀이 Apple의 새 음성 인식 엔진과 Whisper를 처음으로 완전히 벤치마크한 글. 5559건 표준 말뭉치 테스트 데이터와 모든 원시 변환 결과 포함, 무료 내려받아 검증 가능
- Hacker News 토론 스레드(402점, 170개 댓글) — 이번 벤치마크에 대한 전 세계 개발자 커뮤니티의 깊이 있는 토론. 모델 선택, 다국어 지원, 앱 생태계 영향 등 다룸
- Argmax 공식 블로그: Apple SpeechAnalyzer and Argmax WhisperKit — 또 다른 음성 인식 도구 제조사의 Apple 새 API 벤치마크와 기능 비교
- Voibe 자료실: Apple Dictation vs OpenAI Whisper — Apple 내장 받아쓰기와 Whisper를 온디바이스와 오픈소스 차원에서 비교