동영상에 자동으로 자막 넣기

자막 입히기(하드코딩)와 SRT 파일, 무엇을 고를까?

SRT나 VTT 파일에는 텍스트와 타이밍만 들어 있습니다. 예를 들어 SRT에서는 ‘00:00:01,000 --> 00:00:03,500’처럼 쓰고, VTT는 쉼표 대신 마침표를 씁니다. 이 파일은 영상과 따로 붙습니다. 유튜브라면 YouTube 스튜디오의 자막 탭에 올리면 시청자가 자막을 켜고 끌 수 있고, 나중에 수정도 할 수 있습니다. 반면 입힌 자막은 화면에 새겨지므로 끄거나 나중에 고칠 수 없지만, 내가 정한 스타일 그대로 어디서나 보입니다. SRT를 붙일 수 없는 인스타그램, 틱톡, 카카오톡이나 파일로 보내는 영상에는 자막을 입히는 방법이 답입니다.

자동 자막의 원리와 꼭 확인할 점

처음 쓸 때 Whisper 모델(약 40~150MB)을 한 번만 내려받고, 이후 받아쓰기는 내 컴퓨터에서 이뤄집니다. 처리 시간은 컴퓨터 성능과 영상 길이에 따라 달라서 5분 이하를 권장하며 최대 10분까지 가능합니다. 더 긴 영상은 ‘동영상 자르기’로 먼저 나누세요. Whisper는 또렷한 목소리에서 정확하지만 항상 다시 읽어 보세요. 고유명사, 숫자, 발음이 비슷한 단어, 띄어쓰기, 음악이 깔리거나 여러 사람이 동시에 말하는 부분에서 오류가 많습니다. 한국어 영상이라면 ‘정확하게’ 모드를 추천합니다. 언어 자동 감지는 오디오 앞부분을 기준으로 하므로, 영상이 음악으로 시작한다면 언어를 직접 고르세요.

틱톡, 릴스, 쇼츠에서 잘 보이는 자막

많은 사람이 대중교통이나 사무실에서 소리 없이 영상을 봅니다. 자막이 없으면 메시지가 전달되지 않습니다. 세로 영상에는 ‘틱톡·쇼츠’ 스타일이 잘 맞습니다. 큰 글씨에 두꺼운 테두리나 배경 띠를 더하면 어떤 배경에서도 잘 읽힙니다. 위치는 가운데를 추천합니다. 화면 맨 아래는 설명 문구, 계정 이름, 앱 버튼에 가려질 수 있기 때문입니다. 자막은 한눈에 읽히도록 짧게 유지하고, 너무 빨리 사라지는 자막이 없는지 미리보기로 확인하세요. 녹음 파일의 텍스트만 필요하다면 ‘음성을 텍스트로 변환’을, 완성된 영상의 용량을 줄이려면 ‘동영상 압축’을 사용하세요.