WhisperX는 OpenAI Whisper를 기반으로 단어 수준 정밀 타임스탬프와 화자 분리(Speaker Diarization)를 결합한 차세대 자동 음성 인식 도구입니다. Whisper의 약점이었던 부정확한 타임스탬프를 wav2vec2 강제 정렬(forced alignment)로 보정하여 밀리초 단위 정확도를 달성하며, pyannote-audio 기반 화자 식별로 누가 언제 말했는지까지 자동으로 라벨링합니다. 70배 빠른 배치 추론, VAD 전처리, 다국어 지원을 통해 인터뷰 전사, 팟캐스트 자막, 회의록 자동화 등 전문 미디어 워크플로우의 표준 도구로 자리 잡았습니다.