AI 튜토리얼

text-humanizer 파이프라인으로 AI 생성 텍스트를 자연스럽게 다듬기

오픈 소스 Python 프로젝트인 text-humanizer를 설치하고 구성하고 실행하는 방법을 알아보세요. 이 프로젝트는 의미를 유지하면서 AI가 생성한 텍스트를 다시 작성합니다. 이 튜토리얼에서는 다국어 변환 파이프라인, API 구성, 지원 언어, 기본 명령어와 실용적인 사용자 지정 팁을 설명합니다.

2026년 9월 17일약 8분 소요

text-humanizer란?

text-humanizer는 다국어 대규모 언어 모델 기반 파이프라인을 사용해 AI가 생성한 콘텐츠를 다시 작성하는 무료 오픈 소스 Python 프로젝트입니다. 원문의 의미를 유지하면서 더 자연스러운 문장 구조, 다양한 표현, 풍부한 문체를 만드는 것이 목표입니다.

이 프로젝트는 DeepSeek와 번역 서비스를 결합해 텍스트를 여러 언어로 변환한 후 원래 언어로 재구성합니다. README에 따르면 이 과정은 여러 AI 탐지기를 우회할 수 있지만, 탐지 결과는 달라질 수 있으므로 보장된 결과로 간주해서는 안 됩니다.

주요 기능

원래 의미를 유지하면서 자연스러움을 향상합니다.
다양한 문장 구조와 언어 패턴을 도입합니다.
여러 글쓰기 스타일과 어조를 지원합니다.
다국어 재작성 및 번역 파이프라인을 사용합니다.
지원되는 언어 코드에 따라 영어, 일본어, 중국어, 한국어, 독일어, 프랑스어, 스페인어로 작동합니다.
언어 간 변화를 더하기 위한 선택적 DeepL 연동을 제공합니다.
MIT 라이선스에 따라 무료 오픈 소스 소프트웨어로 배포됩니다.

재작성 파이프라인 작동 방식

1단계: DeepSeek 재작성

DeepSeek는 표현, 문장 구조, 정보 흐름을 변경한 의미상 동등한 입력 버전을 생성합니다. 프로젝트 문서에 따르면 이 단계에서는 원래 언어와 관련된 패턴을 줄이기 위해 중국어를 중간 표현으로도 사용합니다.

2단계: Google 번역

중간 결과는 Google Translate를 거쳐 터키어로 번역됩니다. 이 과정에서 구문과 번역 방식의 차이로 인해 언어 간 변화가 추가됩니다.

3단계: 선택적 DeepL 번역

DeepL API 키를 제공하면 터키어 텍스트가 DeepL을 통해 일본어로 번역됩니다. 이 선택적 단계는 파이프라인에 또 다른 언어와 독립적인 번역 엔진을 추가합니다.

4단계: 최종 DeepSeek 재구성

DeepSeek는 입력 및 출력에 선택된 언어로 결과를 번역하고 재구성합니다. 최종 단계는 번역 흔적을 제거하고 읽기 쉬운 문장 흐름을 복원하며 원래 의미를 유지하기 위한 것입니다.

사전 요구 사항

프로젝트를 설치하기 전에 다음 항목을 준비하세요.

Python 3.6 이상.
저장소를 복제하기 위한 Git.
DeepSeek API 키.
추가 DeepL 단계를 활성화하려는 경우 선택 사항인 DeepL API 키.
외부 모델 및 번역 서비스에 연결하기 위한 인터넷 접속.

설치

1. 저장소 복제

git clone https://github.com/korcarc/text-humanizer.git
cd text-humanizer

2. 종속 항목 설치

프로젝트에 정의된 Python 패키지를 설치합니다.

pip install -r requirements.txt

시스템에서 pip가 다른 Python 설치를 가리키는 경우 python -m pip 또는 python3 -m pip처럼 환경에 맞는 명령을 사용하세요.

3. 구성 파일 생성

Windows에서는 다음 명령으로 예제 구성을 복사합니다.

copy .\config\config.example.toml .\config.toml

Linux 또는 macOS에서는 이에 해당하는 복사 명령을 사용합니다.

cp ./config/config.example.toml ./config.toml

구성

애플리케이션을 실행하기 전에 config.toml을 열고 사용 가능한 옵션을 구성합니다.

target_language: 입력 및 출력에 사용할 언어를 선택합니다. 지원되는 값은 en, ja, zh, ko, de, fr, es입니다.
deepseek_api_key: 필수 DeepSeek API 키입니다.
deepl_api_key: 선택 사항인 DeepL API 키입니다.
base_url: API 기본 URL을 재정의합니다. 제공업체 기본값을 사용하려면 비워 두세요.
model: 모델 슬러그를 설정합니다. 제공업체 기본값을 사용하려면 비워 두세요.
temperature: LLM 샘플링 온도를 제어합니다. 프로젝트에서는 1.3을 권장합니다.

문서에 설명된 설정을 기반으로 한 구성은 다음과 같은 형태입니다. 제공된 예제 파일의 정확한 구조와 필드 배치를 유지하세요.

target_language = "en"
deepseek_api_key = "YOUR_DEEPSEEK_API_KEY"
deepl_api_key = ""
base_url = ""
model = ""
temperature = 1.3

자리 표시자를 실제 DeepSeek 키로 바꾸세요. 선택적 DeepL 번역 단계를 사용하지 않으려면 deepl_api_key를 비워 두세요.

기본 사용법

저장소 디렉터리에서 휴머나이저를 시작합니다.

python main.py

Python 3에서 별도의 실행 파일 이름을 사용하는 시스템에서는 다음을 실행하세요.

python3 main.py

프로그램은 config.toml의 언어 및 제공업체 설정을 사용해 텍스트를 처리합니다. 예를 들어 target_language을 en으로 설정하면 영어 입력 및 출력에 맞게 파이프라인이 구성됩니다. 일본어 텍스트를 처리하려면 프로그램을 다시 실행하기 전에 ja로 변경하세요.

언어 변경 예시

독일어 입력 및 출력:

target_language = "de"

스페인어 입력 및 출력:

target_language = "es"

프로젝트 구성에서 지원하는 언어 코드만 사용하세요.

고급 구성 팁

선택적 DeepL 단계 활성화

deepl_api_key에 유효한 DeepL 키를 추가하면 터키어에서 일본어로 번역하는 단계를 활성화할 수 있습니다. 이 키가 없으면 파이프라인에서 해당 선택적 단계를 건너뜁니다.

온도 조정

README에서는 온도를 1.3으로 설정할 것을 권장합니다. 이 설정은 LLM 재작성 과정에서 변화를 유도하기 위한 것입니다. 다른 값을 시험해 본다면 원래 의미가 그대로 유지되는지 확인하기 위해 결과를 신중하게 비교하세요.

사용자 지정 엔드포인트 또는 모델 사용

base_url 설정으로 기본 API 엔드포인트를 재정의할 수 있으며, model로 모델 슬러그를 지정할 수 있습니다. 공급자의 기본값을 사용하려면 두 필드 중 해당하는 필드를 비워 두세요. 사용자 지정 값은 사용 중인 API 서비스와 일치해야 합니다.

여러 번 번역한 후 의미 검토

이 프로젝트는 의미를 보존하도록 설계되었지만, 모든 재작성 및 번역 단계에서 미묘한 변화가 발생할 수 있습니다. 게시하기 전에 최종 결과의 이름, 수치, 인용문, 기술 용어 및 사실 주장을 검토하세요.

API 자격 증명 보호

API 키를 비밀 정보로 취급하세요. 값이 입력된 config.toml을 게시하거나 자격 증명을 공개 저장소에 커밋하지 마세요.

책임 있는 사용

text-humanizer는 저자 표시를 허위로 나타내거나 AI 지원 공개가 요구되는 규정을 회피하기 위한 것이 아니라, 명확성, 어조 및 문체의 다양성을 개선하는 데 사용하세요.

AI 탐지 시스템은 일관되지 않으며, 어떤 재작성 워크플로도 특정 탐지 결과를 보장할 수 없습니다. 작업에 적용되는 공개, 학문적 진실성, 출판 및 플랫폼 정책을 따르세요.

결론

text-humanizer는 DeepSeek, Google Translate 및 선택적 DeepL 처리를 결합하여 다국어 텍스트를 재작성하는 구성 가능한 방식을 제공합니다. 저장소를 복제하고 종속 항목을 설치한 다음 API 설정을 추가하면 python main.py으로 파이프라인을 실행할 수 있습니다. 모든 결과를 검토하여 가독성, 사실의 정확성 및 의미의 충실성을 확인하세요.

소스 코드와 MIT 라이선스는 text-humanizer GitHub 저장소에서 확인할 수 있습니다.