모든 비디오를 위한 온라인 AI 자동 자막

Transformers.js를 통해 WebAssembly로 컴파일된 OpenAI Whisper. Tiny(~40 MB, 가장 빠름), Base(~75 MB, 균형), Small(~240 MB, 정확), Large v3 Turbo(~600 MB, 방송 품질, 고급 모델 토글 뒤에 숨김) 네 가지 크기. 모델은 Hugging Face에서 한 번 다운로드되어 브라우저 캐시에 저장됩니다. 사용 가능한 경우 WebGPU 가속이 자동으로 사용됩니다.

예. Silero VAD가 Whisper 실행 전에 오디오를 실제 음성 영역으로 사전 분할 — 긴 파일의 정확도를 높이고 무음 인트로, 아웃트로, 일시정지를 건너뜁니다. Whisper가 디코딩하는 동안 자막이 편집기에 실시간으로 나타나므로 — 검토를 시작하기 전에 전체 전사가 끝날 때까지 기다릴 필요가 없습니다. 30분 이상의 큰 비디오는 8GB 이상의 RAM이 있는 데스크톱에서 가장 잘 작동합니다.

SRT, VTT 또는 ASS로 내보낼 수 있습니다. VTT는 웹 플레이어(HTML5 , YouTube, Vimeo)에서 WCAG / ADA / EAA 폐쇄 자막의 표준 형식입니다. 자막에는 타이밍, 화자 레이블(화자 감지가 켜진 경우) 및 깔끔한 구두점이 포함됩니다. 구워진 MP4는 자막을 안전 영역에 배치하고 가독성을 위해 윤곽선 + 그림자를 지원합니다.

Whisper는 initial prompt — 생성 전 조건이 되는 텍스트를 받습니다. 용어집 용어를 그 프롬프트로 전달하므로 브랜드명("Anthropic"), 제품명("Claude", "GPT-4"), 고유명사 및 기술 용어가 정확하게 표기됩니다. 이는 기술 팟캐스트, 컨퍼런스 강연 및 브랜드 중심 콘텐츠에서 가장 큰 정확도 향상입니다. 한 줄에 하나씩, 특별한 형식 불필요.

Whisper는 cross-attention 디코딩으로 단어 경계를 추론합니다. 정확도는 약 ±200 ms — 가라오케 강조 및 대부분의 자막 사용 사례에 적합. 디코딩이 너무 느리면 빠른 모드를 켜고 단어가 각 세그먼트 내에서 선형적으로 분포됩니다. 신뢰도 표시는 Whisper가 확신하지 못한 단어를 표시하여 빠르게 확인할 수 있게 합니다.

예. Opus-MT 모델이 상위 10개 언어 쌍(en, ru, es, fr, de, pt, it, ja, ko, zh)을 처리합니다. 직접 쌍이 없으면 NLLB-200 distilled로 대체됩니다. 이중 언어 출력을 위해 원본을 두 번째 자막 줄로 유지 — 언어 학습 콘텐츠와 글로벌 청중에 유용.

예. 도구는 일치하는 모든 키워드에 대해 Twemoji PNG를 다운로드하고 FFmpeg overlay 필터를 통해 비디오에 합성하여 자막 줄 위에 위치하고 발화된 단어에 시간 맞춤. SRT 및 VTT 내보내기도 이모지 문자를 유지합니다.

SRT(보편적), VTT(웹/HTML5 폐쇄 자막), ASS(모든 템플릿 스타일이 보존된 전체 애니메이션 — Aegisub, DaVinci Resolve, mpv 또는 모든 libass 호환 플레이어에서 열림). 구워진 MP4는 H.264, AAC를 사용하고 원본 오디오 스트림을 재인코딩 없이 복사합니다.

첫 실행 후 Whisper 모델이 캐시되면 도구는 WebAssembly를 통해 브라우저에서 완전히 실행됩니다 — 전사, 스타일링, 굽기, 내보내기 모두 로컬에서 실행. 번역 모델도 처음 사용 시 캐시됩니다. 페이지 자체는 서버에서 로드되지만 비디오 처리에는 인터넷 연결이 필요하지 않습니다.

예, 최신 Chrome 및 Safari에서. 4 GB RAM 미만의 장치에서는 Small 및 Large v3 Turbo 모델이 숨겨지고 충돌 방지를 위해 기본적으로 Tiny가 사용됩니다. 긴 비디오는 노트북을 권장합니다.