오디오 어노테이션 도구 비교: ELAN, Praat, Label Studio, Potato

오디오 어노테이션은 녹음의 구간에 레이블을 붙이는 일입니다. 누가 말하는지, 무엇을 말했는지, 어떤 소리가 났는지, 녹음 품질이 어떤지를 기록합니다. ELAN과 Praat는 언어학자 한 명이 녹음을 티어별로 작업할 때 쓰는 표준 데스크톱 도구입니다. Potato, Label Studio, Prodigy는 브라우저에서 실행되므로, 여러 어노테이터가 같은 녹음에 레이블을 붙이는 연구에 맞습니다. 차이는 기존 전사본을 읽을 수 있는지와 일치도를 측정하는 방식에 있습니다.

화자 분리는 녹음을 말하는 사람별로 나눕니다. 음성 인식은 전사본을 만들고, 어노테이터가 이를 수정합니다. 음향 이벤트 검출은 사이렌이나 문소리 같은 소리가 어디서 나는지 표시합니다. ELAN과 Praat의 티어(tier)는 녹음 타임라인 위에 얹는 어노테이션 층으로, 단어, 음소, 몸짓을 따로 레이블링할 수 있게 해 줍니다. 평균 의견 점수(MOS)는 클립의 체감 품질을 평가합니다.

이 페이지는 오디오와 음성을 다룹니다. 모든 데이터 유형을 한 페이지에서 비교한 내용은 AI 주석 도구 비교에 있습니다.

비교해 볼 만한 오디오 어노테이션 도구는?

어떤 오디오 작업에 어떤 도구를 쓸까?

기존 전사본에서 시작하기

음성 프로젝트 대부분은 Whisper, 클라우드 API, 자막 파일에서 나온 전사본으로 시작합니다. Potato는 21가지 전사·자막 형식을 읽고, 발화 턴을 오디오와 동기화된 말풍선으로 보여 주므로 어노테이터가 처음부터 입력하지 않고 구간을 수정합니다. 지원 형식에는 Whisper와 WhisperX JSON, AWS Transcribe, Deepgram, AssemblyAI, Rev.ai, SubRip, WebVTT, NIST CTM, Praat TextGrid, ELAN EAF가 있습니다. 단독 RTTM 화자 분리 파일, Transcriber, EXMARaLDA, CHAT은 읽지 못하므로 먼저 변환해야 합니다. 전사 형식을 참고하세요.

버전 2.9부터는 faster-whisper와 sherpa-onnx로 내 컴퓨터에서 전사와 화자 분리도 할 수 있습니다. PyTorch도 Hugging Face 토큰도 필요 없습니다. 로컬에서 전사하기를 참고하세요.

Label Studio와 Prodigy에서는 다른 시스템의 전사본을 먼저 도구 고유의 작업 형식으로 변환합니다. Label Studio의 Audio 태그는 전사를 위해 TextArea와 함께 쓰고, Prodigy의 audio.transcribe 레시피는 재생과 텍스트 입력란을 함께 보여 줍니다.

ELAN, Praat, Potato 사이에서 티어 어노테이션 옮기기

Potato의 tiered_annotation 스키마에는 독립 티어와 종속 티어가 있어서, ELAN처럼 단어 티어가 발화 티어를 시간상으로 세분할 수 있습니다. Potato는 EAF와 TextGrid로 내보냅니다. 연구에서 브라우저로 많은 사람의 어노테이션을 모은 뒤, 그 결과를 ELAN이나 Praat로 작업하는 사람에게 넘길 수 있습니다.

전문가 한 명이 녹음을 세밀하게 작업할 때는 최대 4개의 비디오를 동기화해 보여 주는 ELAN이 여전히 더 낫습니다. Praat는 음향 분석용이며, Potato는 그 영역을 다루지 않습니다.

시간 축의 일치도

같은 소리를 표시한 두 어노테이터가 밀리초 단위까지 일치하는 일은 드뭅니다. 그래서 오디오의 일치도는 두 경계가 얼마나 가까워야 같은 이벤트로 볼지 정해야 합니다.

• ELAN에는 어노테이터 간 신뢰도 계산 기능이 내장되어 있습니다. Holle와 Rein의 방법을 따른 수정 Cohen κ(정해진 최소 비율 이상 겹치는 어노테이션을 연결)와, 분할 결과를 무작위로 생성한 분할과 비교해 우연을 고려하는 Staccato 알고리즘을 제공합니다. 비교는 티어 쌍 단위입니다.
• Potato는 겹침에 대한 시간 IoU, 경계 위치에 대한 α, 레이블에 대한 α, 이벤트를 표시했는지 여부에 대한 α를 보고합니다. 매칭 허용 오차는 하나의 임계값이 아니라 여러 값에 걸친 스윕으로 보여 줍니다. 문서에는 한 가지 제약이 명시되어 있습니다. 구간 겹침에는 아직 우연 기준선이 없습니다. 시간 축 일치도를 참고하세요.
• Label Studio는 일치도를 유료 플랜에만 둡니다.

Potato의 오디오 구간 분할 작업

annotation_schemes:
  - annotation_type: audio_annotation
    name: sound_events
    description: "Mark each sound and choose its type."
    mode: label
    labels:
      - {name: speech, color: "#4ECDC4"}
      - {name: music, color: "#FF6B6B"}
      - {name: noise, color: "#F39C12"}
    zoom_enabled: true

어노테이터는 파형 위를 드래그해 구간을 만들고 레이블을 고릅니다. Potato의 분류, 전사, MOS 평가, 화자 분리는 오디오 어노테이션에서 다룹니다.

오디오에서 Potato가 하지 않는 것

• 음향 분석을 하지 않습니다. 피치, 포먼트, 스펙트럼 측정은 Praat의 몫입니다.
• 정렬 도구가 ELAN보다 단순합니다. ELAN의 데스크톱 화면이 시간 정렬을 더 세밀하게 다룹니다.
• 단독 RTTM, Transcriber, EXMARaLDA, CHAT 파일용 파서가 없습니다.

2026년 9월에 각 프로젝트의 문서에서 확인했습니다.

자주 묻는 질문

가장 좋은 무료 오디오 어노테이션 도구는 무엇인가요?

ELAN과 Praat는 무료이며, 어노테이터 한 명의 언어학·음성학 작업에서는 표준입니다. 여러 어노테이터가 브라우저에서 같은 녹음에 레이블을 붙이는 연구라면 Potato와 Label Studio Community Edition이 무료입니다. Potato에는 일치도 지표가 포함되어 있지만, Label Studio에서는 유료 플랜 기능입니다.

ELAN은 어노테이터 간 일치도를 계산하나요?

네. ELAN의 신뢰도 계산은 수정 Cohen kappa와 Staccato 알고리즘을 제공하며, 여러 파일에 걸쳐 티어 쌍의 어노테이션을 비교합니다.

브라우저에서 화자 분리를 어노테이션할 수 있나요?

네. Potato는 WhisperX, AWS Transcribe, Deepgram, AssemblyAI, Rev.ai의 화자 분리 결과를 읽고, 화자가 없는 턴은 선택 상자와 함께 Unassigned로 보여 주며, 버전 2.9부터는 로컬에서 화자 분리도 할 수 있습니다. Label Studio도 파형 위의 화자 영역에 레이블을 붙일 수 있습니다.

Praat TextGrid와 ELAN EAF 파일을 읽는 어노테이션 도구는?

Praat와 ELAN은 각자의 형식으로 작업합니다. Potato는 두 형식을 모두 읽고 내보내므로, 브라우저 연구와 두 데스크톱 도구 사이에서 프로젝트를 오갈 수 있습니다.

어노테이션 전에 오디오를 전사해야 하나요?

어노테이션이 말한 내용에 관한 것일 때만 그렇습니다. 음향 이벤트, 화자 턴, 품질 평가는 파형 위에서 바로 레이블링할 수 있습니다. 말의 내용이라면 기존 전사본이 있을 때 거기서 시작하고, 전사본 자체가 결과물이거나 ASR 출력이 어노테이터를 오도할 만큼 오디오 품질이 나쁠 때는 처음부터 전사하세요.

더 읽어보기

• AI 주석 도구 비교, 모든 데이터 유형을 한 페이지에서
• 텍스트 어노테이션 도구 비교
• 이미지 어노테이션 도구 비교
• 비디오 어노테이션 도구 비교
• AI 에이전트 평가 도구 비교
• 세계 모델과 로봇 에피소드 평가 도구 비교
• Whisper 전사본 어노테이션