### whisper AI를 이용한 자막생성및 AI를 이용한 번역앱
# 단계별 목적
1. 로그인페이지 - 로그인
2. 오디오페이지 - Faster-Whisper-XXL Pro 이용( linux버전 ) 을통해 서버에서 자동으로 폴더내에 있는 일본어 오디오들을 srt로 자막화
3. 일본어자막 페이지 - 일본어자막을 한글로 번역
4. 한글자막페이지 - 번역된 한글자막을 rsycn 를 통해 원격서버에 업로드

#주요 목적
웹페이지를 통해 whisper ai를 사용하여 FTP나 웹업로드된 오디오를 자막화 후 AI API를 이용하여 한글화, 그이후 rsync를 통한 원격 업로드

### 기술스택
Python 3.10
FastAPI
React(클라이언트)
PostgreSQL(DB) 16
nginx

### 서버환경 1 (로컬 테스트서버)
- Ubuntu 22.04 LTS
- CPU - AMD ryzen 6800h
- GPU - RTX3050M (4GB VRAM)
- RAM - 32GB

### 서버환경 2 (프로덕션 온라인서버 )
- Ubuntu 22.04 LTS
- CPU - intel i5-13500
- GPU - NVIDIA RTX 4000 Ada (20GB VRAM)
- RAM - 64GB


뭐 이런 구성으로 했습니다.
whisper 모델은 large-v3 이지만 이걸 어떤 옵션에 어떻게 쓰느냐에 따라 속도와 전사화에대한 결과물 차이가 체감적으로 느껴질만큼 다르더라 라는것을 느꼈죠.
https://github.com/Purfview/whisper-standalone-win/releases
사용한 모델은 리눅스 버전입니다.
번역 모델은 Grok을 쓰려했는데 api 가격보다 api연결안정성이 ;;; gemini 2.5 pro 쓰고있습니다.
코드는 유기농으로 가능한데 디자인은잼병이라 디자인은 claude 의 도움을 받았습니다.

실행 로직 짜는게 제일 오래걸렸던것 같습니다.

오디오 페이지
progreSQL에 원본파일명을 저장하여 기존에 이미 작업한 내역이 있을경우 패스,오디오 삭제
-> 없으면 가져와서 시작 -> 끝나면 DB등록후 오디오 삭제, 에러가 날경우 오디오 유지 -> 다음파일 -> 반복

뭐 대충 이런구성인데 만들다가 굳이 DB를 쓸필요가 있나 싶기도하고 DB안쓸까하다가 뭐 자주 안써보던db이기도해서 mysql과 쿼리문이 좀 달라서 많이 헷갈렸는데 경험삼아 써봤습니다.