데브옵스
인프런이 자동으로 자막을 생성하기까지 (AI/인프라 편)
두줄요약
WhisperX와 AWS Batch GPU 인프라로 오프라인 강의 자막 생성 파이프라인을 구축했습니다. 자막 가독성을 개선하고 Spot Instance로 대량 처리 비용을 낮췄습니다.
문제 상황
- 오프라인·추가 API 비용 없이 영상 길이 이내 자막 생성을 목표로 한 강의 자막 기능
- CPU 기반 whisper.cpp의 긴 처리 시간과 한국어 자막 줄 분할·가독성 문제
- 대량 일괄 처리 시 서울 리전 g5.xlarge Spot Capacity 부족
구조와 흐름
- ffmpeg 음성 추출 후 WhisperX 전사·음절 단위 시간 정렬·자막 줄 재구성·저장소 적재 흐름
- AWS Batch에서 GPU 자막 생성 작업 생명 주기를 Go로 관리하고, WhisperX 실행과 줄 구성은 Python으로 처리
- g5.xlarge Spot Instance 기반 대량 배치 처리와 리전별 용량 탐색
선택 이유
- WhisperX와 g5.xlarge 조합의 28분 영상 전사 59초 성능 및 음절 단위 align 활용성
- 외부 전송과 API 비용을 피하는 오픈소스 모델 직접 실행
- Spot Instance 적용을 통한 GPU 처리 비용 절감
성능/운영 포인트
- whisper.cpp CPU 조합 대비 WhisperX GPU 조합의 약 70배 처리 속도 개선
- 오레곤 리전에서 최대 약 500대 GPU 인스턴스로 24,000시간 분량을 약 4시간 내 일괄 생성
- API 기반 서비스 대비 10배 이상 낮은 일괄 자막 생성 비용
