영상 자막 만들기와 영상 텍스트 변환

파일을 올리고 “자막 생성”을 누르세요. 인식이 끝나면 전사본 위에 “복사”와 “TXT” 버튼이 나타납니다. 텍스트는 흐름형으로도, 시간 표시와 함께도 가져갈 수 있습니다. “흐름형 텍스트” 전환을 켜면 결과가 일반 문서처럼 보여 필기나 기사에 바로 붙여 넣기 좋습니다.

거의 모든 경우 SRT입니다. YouTube도, 플레이어도, 편집 프로그램도 읽으며 시간이 붙은 평범한 줄을 담습니다. VTT는 웹 형식으로, 브라우저가 자막 트랙에서 기대하는 것이 바로 이것입니다. ASS는 스타일까지 함께 가야 할 때 고릅니다 — 글꼴·위치·색이 파일 안에 들어 있어, 여기서 꾸민 자막이 다른 사람이 열어도 꾸며진 그대로 남습니다.

먼저 듣고 스스로 판단합니다. Whisper가 소리 자체에서 90개가 넘는 언어 중 무엇인지 알아내므로, 직접 녹음하지 않은 클립도 올바른 언어로 나옵니다. 러시아어는 범용 모델이 아니라 전용으로 학습된 모델을 거칩니다. 녹음 중간에 언어가 바뀌거나 강한 억양이 판단을 흔든다면, 실행 전에 언어를 직접 지정하면 추측이 사라집니다.

네. 인식 전에 Silero VAD가 실제로 말이 있는 구간을 표시하므로 도입부·중간·마무리의 침묵을 건너뛰고 긴 파일에서도 정확도가 유지됩니다. 텍스트는 처리 도중에 편집기에 나타나므로 끝날 때까지 기다리지 않고 읽고 고칠 수 있습니다. 30분이 넘는 영상은 램 8GB 이상의 컴퓨터가 편합니다.

네. “자막 새긴 MP4 내려받기”를 누르면 글자가 화면에 그려진 파일이 만들어집니다. 어느 소셜 피드에서도, SRT를 못 읽는 플레이어에서도 보입니다. 조립은 FFmpeg WASM으로 브라우저에서 진행되며 영상은 H.264로 인코딩하고 오디오는 재인코딩 없이 복사합니다.

전사본에서 줄 왼쪽의 타임코드를 눌러 새 시각을 입력하거나 화살표 키로 옮기세요(Shift는 1초 단위). 편집하는 동안 영상이 그 지점으로 따라가므로 결과를 바로 들을 수 있습니다. 단어 시각은 줄에서 다시 계산되어 노래방식 강조가 박자를 유지합니다.

Whisper는 cross-attention 디코딩으로 단어 경계를 잡으며 정확도는 약 ±200ms입니다. 노래방식 강조와 일반 자막에는 충분합니다. 디코딩이 느리면 빠른 모드를 켜서 구간 안에 단어를 고르게 배치할 수 있고, 줄 시작 시간은 전사본에서 손으로도 조정됩니다.

VTT 내보내기는 웹 플레이어(HTML5 track, 유튜브, 비메오)의 표준 폐쇄 자막 형식으로 WCAG·ADA·EAA 점검에서 인정됩니다. 자막에는 시간 표시, 화자 표시(감지 기능을 켠 경우), 정돈된 문장부호가 담깁니다. 새긴 MP4에는 대비를 위한 외곽선과 그림자가 들어가고 자막이 세이프존 안에 놓입니다.

인식 설정의 “용어 사전”을 열고 용어를 한 줄에 하나씩 적으세요. 모델에 사전 힌트로 전달되어 제품명, 성씨, 약어, 업계 용어가 올바르게 표기됩니다. 기술 발표와 브랜드 콘텐츠에서 정확도가 가장 크게 올라가는 방법입니다.