노트북 밖으로 음성을 보내지 않는 AI로 할머니의 요리책을 만들었습니다

AI 요약

인도 음식의 조리법은 정확한 계량보다 “한 줌(ek mutthi)”, “조금(thoda sa)”, “향이 날 때까지(jab tak khushboo aaye)” 같은 말과 요리하는 사람의 기억에 남아 있는 경우가 있습니다. 저자는 할머니의 음성을 클라우드 AI에 올리지 않고 보존하려고 Dadi ki Rasoi를 만들었습니다. 힌디어·힌글리시 표현과 말투, 음식에 얽힌 이야기를 유지하면서 인쇄용 가족 요리책을 만드는 프로젝트입니다.

로컬에서 처리하는 음성·레시피

할머니가 요리하며 남긴 음성 메모를 faster-whisper로 노트북에서 전사합니다. Ollama에서 실행하는 Qwen 또는 Llama가 전사문을 구조화된 레시피로 정리합니다. 사용자는 같은 전사문을 두 모델에 넣어 결과를 나란히 비교할 수도 있습니다.

“한 줌의 소금”처럼 계량이 모호한 표현은 저자가 만든 인도식 계량표를 참고해 그램 단위의 근삿값으로 바꿉니다. 다만 원래 표현도 변환값 옆에 남깁니다. 할머니의 말과 이야기는 각 레시피의 “Dadi ki baat” 상자에 그대로 담습니다. 완성된 책은 표지와 목차를 포함한 PDF로 내보내며, 페이지마다 레시피 하나를 배치하고 데바나가리(Devanagari) 글꼴도 지원합니다.

검토와 배포 방식

AI가 말하지 않은 재료나 조리 단계를 만들어내지 못하게 하고, 원본 전사문과 구조화한 레시피를 편집기에서 함께 보여줍니다. 계량값은 본래 추정치이므로 신뢰도가 낮은 재료를 표시하고, 사용자가 인쇄 전에 수정하게 합니다. Whisper는 지역 표현이나 시끄러운 주방 소리를 잘못 알아들을 수 있고, 작은 로컬 모델은 단계를 놓칠 수 있다는 한계도 밝힙니다.

실제 Whisper와 Ollama 모델은 서버리스 호스팅에서 실행하기 무거워 라이브 데모에는 저장된 결과를 보여주는 Demo Mode를 적용했습니다. 전체 AI 파이프라인은 로컬에서 실행하며, 저장소의 Decision.md에 설정 절차를 안내합니다. 저자는 음성이 노트북 밖으로 나가지 않고 인터넷 없이도 작동하며, Qwen과 Llama를 바꿔 비교할 수 있다는 점을 오픈 모델의 장점으로 설명합니다. 프로젝트는 오픈소스로 공개됐으며, 향후 지역 언어 지원과 주방 소음 처리 개선, 요리 사진 추가를 계획합니다.

dev.to 반응

• @ananya_gupta_359cc3a99152 — 잘했어요, Vidisha! ❤️👍
• @shreyansh_agrahari_2009db — 잘했어요, Vidisha 😃😃
• @ssapable — “한 줌”, “조금”, “향이 날 때까지”는 이번 주 DEV에서 본 최고의 도입부입니다. 그래서 게시글을 57초짜리 손그림 만화로 만들었습니다. 세 표현, 한 노트북에서 faster-whisper와 Ollama를 거치는 음성 메모, “한 줌의 소금”을 그램으로 바꾸면서 원래 표현을 곁에 남기는 장면, Dadi ki baat 상자, AI가 할머니가 말하지 않은 조리 단계를 만들지 않는다는 규칙을 담았습니다. 가입 없이 볼 수 있는 페이지에 올렸고, 아무 조건 없이 써도 되고 무시해도 됩니다. 표현이나 세부 내용이 틀렸다면 어느 장면인지 알려주시면 다시 만들겠습니다. 한 가지 질문이 있습니다. 비교 화면에서 Qwen과 Llama가 “조금”을 다르게 해석할 때, 할머니에게 확인해보니 어느 쪽이 실제 뜻에 더 가까웠나요?
• @kartik-nvjk — 같은 전사문을 Qwen과 Llama에 넣어 나란히 비교하는 기능은 레시피 앱 안에 숨은 평가 도구입니다. 말하지 않은 단계를 만들지 못하게 한 규칙도 적절합니다. 환각으로 재료를 만들어내는 일이 여기서 가장 문제가 되기 때문입니다. “한 줌의 소금”을 어느 모델이 맞게 해석했는지는 어떻게 평가하나요? 계량표에 정답이 있나요, 아니면 직접 판단하나요?

원문: dev.to / 번역·요약: Trawling