dev.to

From $0 to My First $10: How I Built AudioBite.tech to End the Voice-Note Chaos Tax

0달러에서 첫 10달러까지: TabPFN과 Gemma로 음성 메모를 업무 항목으로 바꾸기

AudioBite는 음성 메모를 요약하고 실행 항목과 범위 추정치를 만드는 오픈소스 도구입니다. TabPFN-v2와 Gemma 4를 나눠 쓰고, 타임스탬프와 수치에는 결정론적 검증을 적용합니다. 제작자는 프리랜서 협업자의 첫 후원 10달러를 받았다고 밝혔습니다.

에디터 노트

제품의 실사용 사례와 모델 성능 주장은 분리해서 읽어야 합니다. 협업자가 고객 승인을 받고 10달러를 후원했다는 사례는 음성 메모를 범위 문서로 바꾸는 흐름이 실제 업무에 쓰였음을 보여줍니다. 반면 98.9% 정확도와 0.0172 Brier score는 88개 세션을 대상으로 한 자체 벤치마크이며, 자료에는 데이터 분할 방식이나 평가 대상의 라벨 기준이 없습니다. 따라서 이 결과만으로 다른 음성 유형에서도 범위 위험을 정확히 예측한다고 판단하기는 어렵습니다. 가드레일은 생성 모델이 오디오 길이를 넘는 타임스탬프를 내거나 TabPFN과 다른 작업 시간을 제시한 문제에 직접 대응합니다. 다만 수치를 TabPFN 결과로 교체하는 방식은 숫자 간 불일치를 막아도, TabPFN의 추정 자체가 실제 작업량과 맞는지는 검증하지 않습니다. 61개 테스트는 구현 동작을 확인하는 근거이고 예측 품질의 독립 검증과는 구분됩니다. 이 사례의 설득력은 범용 성능보다 입력, 요약, 범위 문서, 고객 승인까지 연결한 구체적인 사용 흐름에 있습니다.

AI 요약

AudioBite.tech는 WhatsApp이나 Telegram 음성 메모, 브라우저 녹음, 오디오 파일을 받아 실행 항목과 요약 보고서를 만드는 도구입니다. 제작자는 프리랜서가 고객의 긴 음성 메모를 듣느라 시간을 쓰고, 녹음에 묻힌 추가 요구사항을 놓쳐 작업 범위를 낮게 잡는 문제를 해결하려고 만들었다고 설명합니다. 프로젝트는 Apache 2.0 라이선스로 공개했습니다.

두 모델이 나눠 맡는 처리

AudioBite는 수치 분석과 글 생성을 분리합니다. TabPFN-v2는 녹음 길이, 분당 발화량, 추임새와 곁가지 비율, 행동 동사 밀도, 불확실성 표현, 기술 용어 수, 화제 전환, 마감 기한, 녹음 유형 등 9개 특성을 사용합니다. 88개 음성 세션 데이터로 신호 순도와 범위 위험, 예상 작업 시간 등을 산출합니다. Gemma 4는 요약과 타임스탬프가 포함된 실행 항목을 작성합니다. 두 결과는 파이썬 가드레일을 거칩니다. 녹음 길이를 벗어난 타임스탬프는 실제 길이에 맞추고, Gemma가 TabPFN의 작업 시간과 다른 수치를 내면 TabPFN 예측값으로 교체합니다.

제작자가 제시한 TabPFN-v2 벤치마크에서 Brier score는 0.0172, ROC-AUC는 0.9899, 정확도는 98.9%, CPU 지연 시간은 89ms입니다. 비교 대상으로 든 로지스틱 회귀의 Brier score는 0.0621, 정확도는 92.0%였고, 녹음 길이만 쓰는 휴리스틱은 각각 0.2095와 78.4%였습니다. 이 수치는 88개 세션을 사용한 프로젝트 자체 평가 결과입니다.

입력부터 배포까지

사용자는 Telegram 봇에 음성 메시지를 전달하거나 브라우저에서 녹음하고, MP3, WAV, M4A, OGG 파일을 올릴 수 있습니다. 세 가지 샘플 음성도 제공하며, 오디오 구간을 반복 재생하는 A-B 루퍼와 인용 문장을 브라우저에 저장한 뒤 SHA-256 표식이 포함된 PDF로 내보내는 기능을 갖췄습니다. Telegram 봇은 음성을 내려받아 처리한 뒤 요약문과 PDF를 돌려줍니다.

서비스는 FastAPI로 만들었고 Render 무료 인스턴스에서 실행합니다. 제작자는 512MB 메모리 환경에서 무거운 GPU 프레임워크 대신 CPU로 TabPFN을 돌려 메모리 사용량을 220MB 미만으로 유지했다고 설명합니다. 모니터링 봇이 보내는 HEAD 요청에 FastAPI가 기본적으로 405를 반환하는 문제는 루트 경로에 HEAD 핸들러를 추가해 해결했습니다. Sentry에는 TabPFN 실행, Gemma 호출, 가드레일 개입을 기록합니다. 테스트 61개가 통과했다고 밝혔습니다.

첫 유료 반응

제작자의 협업자는 고객이 보낸 2분 분량의 음성 메모를 Telegram 봇에 전달했습니다. AudioBite는 약 15초 만에 네 가지 실행 항목과 78%의 범위 모호성 위험, 5.5시간의 예상 작업량을 제시하고 PDF를 만들었습니다. 협업자는 고객에게 PDF를 보내 예산 승인을 받았고 제작자에게 10달러를 후원했습니다. 제작자는 총 24개 시트에 표식을 남겼고, 후원 패스 클릭 7건과 설문 응답자 중 52.2%의 사용 의향을 기록했다고 덧붙입니다.

dev.to 반응

  • @hemapriya_kanagala — 아이디어가 정말 멋집니다! 첫 10달러를 받은 것 축하하고 챌린지에서도 좋은 결과 있기를 바랍니다, Kanak 😀

원문: dev.to / 번역·요약: Trawling

원문 보기 ↗토론 보기 ↗