2026-08-03

2026년 AI 전사 업로드 제한 (그리고 영상 전체 대신 오디오만 추출해야 하는 이유)

줌(Zoom) 녹화본이나 강의 녹화, 혹은 휴대폰으로 찍은 영상을 AI 전사(transcription)나 채팅 도구에 올렸는데 "파일이 너무 큽니다" 오류가 뜨거나, 예상 못 한 지점에서 잘려버린 경험이 있을 것이다. 대부분 영상 자체가 너무 긴 게 아니라, 그 도구가 필요로 한 건 오디오뿐인데 영상 트랙만큼의 바이트를 함께 짊어지고 있었기 때문이다. 널리 쓰이는 도구 세 곳이 지금 실제로 걸어두고 있는 구체적인 상한과, 그 대부분을 한 번에 해결하는 방법 — 오디오 트랙만 먼저 뽑아내는 것 — 을 정리했다. 전사에 필요한 내용은 하나도 잃지 않으면서 말이다.

지금 실제로 적용되는 상한들

2026년 중반 기준:

OpenAI의 전사 API(Whisper, gpt-4o-transcribe, gpt-4o-mini-transcribe): 예외 없이 25MB. OpenAI 공식 문서는 단호하다: "파일은 최대 25MB까지 가능합니다(Files can be up to 25 MB)." 이 상한은 파일 전체에 적용되며, 지원 포맷 목록 — mp3, mp4, mpeg, mpga, m4a, wav, webm — 에는 mp4와 webm도 같은 엔드포인트에 바로 올릴 수 있는 형식으로 포함돼 있다. 영상 파일을 그대로 넘기는 것 자체는 막혀 있지 않다 — 다만 영상은 초당 전사 모델이 아예 보지도 않는 영상 트랙만큼의 바이트를 함께 지고 있기 때문에, 같은 25MB 예산이 훨씬 빨리 소진될 뿐이다.
Otter.ai: 넉넉한 5GB 상한 — 하지만 자체 문제해결 안내는 어차피 영상을 걷어내라고 말한다. Otter 공식 고객센터는 임포트 상한을 5GB로 밝히고 있어 언뜻 문제가 안 될 것 같지만, 정작 임포트가 실패했을 때 Otter 자신이 권하는 해결책이 바로 이 글의 전제와 똑같다: "영상 파일을 임포트하는 경우라면, 오디오만 따로 내보내 파일 크기를 줄이세요(export it as audio-only to reduce the file size)." 이건 이 글이 지어낸 우회법이 아니라 Otter가 자기 사용자들에게 직접 안내하는 방법이다.
Google Gemini 앱, 무료 등급: 영상 5분 대 오디오 10분 — 정확히 두 배다. Google 공식 Gemini 앱 고객센터는 명확히 밝히고 있다: "영상 총 길이는 최대 5분까지"인 반면 "오디오 총 길이는 최대 10분까지"다. Google AI Pro나 Ultra로 업그레이드하면 두 상한 모두 늘어나지만(영상 1시간, 오디오 3시간), 영상과 오디오 사이의 2배 격차는 어느 등급에서든 그대로 유지된다 — 무료 등급만의 이야기가 아니다.

Google 자신의 숫자: Gemini 앱 무료 등급에서는 오디오 업로드가 영상 업로드보다 상한에 도달하기까지 두 배 더 오래 걸린다.

같은 녹화본인데 오디오만 남기면 왜 이렇게 작아지는가

이 격차는 특정 도구만의 특이한 사정이 아니라, 각 포맷이 실제로 무엇을 인코드해야 하는지의 차이다. 영상 트랙은 프레임마다 픽셀 데이터를 담아야 하지만, 오디오 트랙은 파형 하나만 담으면 된다. NearVid의 오디오 추출은 ffmpeg의 libmp3lame 인코더를 -q:a 2 설정으로 쓰는데, FFmpeg 자체 위키는 이 설정이 정확히 무엇을 만들어내는지 문서로 밝히고 있다: 평균 초당 170~210킬로비트의 VBR MP3다. 이 근거 있는 범위로 직접 계산해 보면, 25MB 예산 안에 대략 16분에서 20분 분량의 오디오가 들어간다 — 정확한 숫자는 그 녹음이 얼마나 압축이 잘 되는 내용인지에 따라 달라지지만, 이건 문서화된 인코더 설정을 근거로 한 추정치이지 임의로 지어낸 배율이 아니다. 반면 영상 파일은 어떤 일반적인 녹화 비트레이트를 기준으로 봐도 — 휴대폰 영상이나 화면 녹화는 흔히 초당 수 메가비트대를 오가며, 이는 170~210 킬로비트 오디오보다 훨씬 높다 — 같은 25MB 예산을 훨씬 빨리 써버린다. OpenAI의 상한도, Gemini의 길이 제한도, Otter 자신의 문제해결 안내도 모두 결국 같은 해법을 가리키는 이유가 바로 이것이다.

NearVid가 실제로 여기서 하는 일

범위를 정확히 짚자면: NearVid의 오디오 추출은 영상 파일에서 오디오 트랙 전체를 뽑아 같은 고정된 -q:a 2 설정의 MP3로 저장한다 — WebM·MP4 변환에 있는 High/Medium/Low 프리셋과 달리, 이 출력에는 비트레이트나 품질을 고를 수 있는 선택지가 없다. 또한 이 단계 자체는 시작·끝 구간을 받지 않는다 — 긴 녹화본에서 일부만 전사가 필요하다면, NearVid의 별도 무손실 트림을 먼저 실행해서 필요한 구간만 잘라낸 뒤 그 결과물에 오디오 추출을 돌리면 된다. 한 번에 되는 기능이 아니라 빠른 단계 두 번이다. NearVid 자체의 입력 용량 상한(데스크톱은 파일당 500MB, 모바일·저사양 기기는 50MB)은 위 세 상한 중 어느 것보다도 넉넉해서, AI 도구의 자체 상한에 걸릴 만큼 큰 원본 녹화본도 일단 NearVid에는 문제없이 들어간다. 그리고 당연한 이야기지만 분명히 짚어두자면, NearVid는 전사 자체를 하지 않는다 — 이미 쓰고 있던 전사·AI 도구에 넘길 더 작은 MP3를 만들어 줄 뿐이다. 이 모든 과정은 온디바이스로 처리되며, 원본 영상 파일은 그 과정 내내 브라우저 탭을 벗어나지 않는다.

정직한 요약

2026년 중반 기준 숫자는 이렇다: OpenAI의 전사 API는 오디오든 영상이든 업로드 하나당 25MB로 제한한다. Otter.ai는 5GB까지 허용하지만 자체 지원 문서조차 임포트 문제엔 오디오만 남기라고 권한다. Gemini 앱 무료 등급은 오디오 업로드 길이를 영상의 정확히 두 배까지 허용하며, 이 격차는 Pro나 Ultra로 업그레이드해도 그대로 남는다. 이 숫자들은 NearVid가 무엇을 하든 바뀌지 않는다 — 업로드하는 대상 도구가 정한 상한이기 때문이다. 달라지는 건 그 상한에 얼마나 빨리 도달하느냐다 — NearVid가 항상 쓰는, 문서로 확인된 그 초당 약 170~210킬로비트 MP3 설정으로 오디오만 먼저 뽑아내면, 어디에도 한 바이트 업로드하기 전에 그 예산의 대부분을 이미 되찾아 놓은 셈이다.