음성·영상 자막 추출

영상에서 자막 만드는 법

1. 음성 또는 영상 파일(MP3, MP4, M4A, WAV, WebM)을 상자에 끌어다 놓습니다.
2. 말하는 언어를 고릅니다(처음에는 이 페이지 언어로 맞춰져 있습니다). 알아듣기 어려운 음성은 '정확' 모델을 고릅니다.
3. 시작을 누릅니다. 처음 한 번만 음성 인식 모델을 내려받고, 그다음부터는 바로 시작합니다.
4. 텍스트를 확인하고 영상 플레이어용 SRT, 웹용 VTT, 받아쓰기용 TXT를 내려받습니다.

자막 형식 비교

자주 묻는 질문

Q. 영상이나 음성이 업로드되나요?

아니요. 파일은 브라우저 안에서 읽고 받아 적습니다. 처음 한 번 오픈소스 Whisper 음성 인식 모델만 Hugging Face에서 내려받아 기기에 저장해 둡니다.

Q. 어떤 언어를 지원하나요?

Whisper는 한국어, 영어, 일본어, 중국어, 독일어, 프랑스어 등 90개 이상의 언어를 인식합니다. 이 언어들로 된 음성을 영어 자막으로 번역할 수도 있습니다.

Q. 시간은 얼마나 걸리나요?

기기 성능에 따라 다릅니다. GPU(WebGPU)를 쓸 수 있으면 10분짜리 파일이 보통 1~2분, CPU만 쓰면 음성 길이의 몇 배가 걸릴 수 있습니다. '빠름'은 빠르고 '정확'은 오류가 적습니다.

Q. SRT와 VTT는 무엇이 다른가요?

둘 다 타임코드가 있는 자막 파일입니다. SRT는 가장 널리 쓰이고(VLC, 프리미어, 유튜브 등), VTT는 HTML5 동영상과 온라인 플레이어가 쓰는 웹 표준입니다.