1분 53초짜리 인터뷰 영상이 있었어요. 자막 버튼(CC)은 꺼져 있었는데, 11초쯤 지나자 325자짜리 대본이 화면에 떴습니다.
같은 영상에서 자막만 찾으라고 시키면 2초가 채 걸리지 않아 멈춰 버렸어요. 영상은 그대로인데 방식 하나로 결과가 갈린 거죠.
자막이 꺼진 영상도 추출 방식만 맞으면 대본이 나옵니다. 기본값 '자동'이면 알아서 갈아탑니다.
아래에는 직접 돌려 본 숫자부터 놓고, 왜 그렇게 갈렸는지, 처음이라면 어떤 순서로 하면 되는지를 차례로 적었어요.
영상 두 개를 직접 넣어 본 결과부터
제가 운영하는 cliploom.site 의 유튜브 대본 추출 화면에 영상 두 개를 넣어 봤어요. 회원가입 없이 무료로 쓰는 도구입니다.
하나는 자막이 하나도 없는 1분 53초 인터뷰, 다른 하나는 크리에이터가 한국어 자막을 넣어 둔 1분 55초 요리 영상이에요.
각각 두 번씩 돌려 본 결과는 이렇습니다.
- 인터뷰 + '기존 자막': 1.5초·2.1초 만에 자막이 없다는 안내로 끝
- 인터뷰 + '자동': 10.6초·11.1초, 'AI 전사' 표시와 함께 325자
- 요리 영상: 두 번 모두 4.6초, '자막 트랙' 표시와 함께 1,108자
인터뷰를 '자동'으로 바꾸자 시간이 붙은 대본이 줄줄이 나왔어요. 자막을 못 찾으니 AI가 음성을 받아 적은 결과예요.
길이는 비슷한데 시간이 두 배 넘게 벌어진 이유
두 영상 길이는 2초 차이인데, 걸린 시간은 4.6초와 11초쯤으로 두 배 넘게 벌어졌어요. 꺼내 오는 재료가 달라서입니다.
자막이 붙은 영상은 이미 글로 적힌 자막 트랙을 읽어 오면 끝이에요. 그래서 빠르고, 내용도 자막 원본 그대로 나옵니다.
자막이 없으면 AI가 소리를 처음부터 끝까지 들어야 해요. 그만큼 시간이 더 들고, 들리는 대로 적으니 손볼 곳도 생기죠.
이번 인터뷰에서는 밴드 이름이 엉뚱한 낱말로 바뀌어 있었어요. 발음이 비슷한 말로 들은 거예요. "네." 하고 받는 대답까지 줄마다 따로 찍혔고요.
음악만 흐르는 영상이면 이 차이가 더 분명해요. 65초짜리는 3글자, 30초짜리는 10글자가 전부였습니다. 받아쓸 말이 없으니까요.
'AI 전사'로 나온 대본은 고유명사부터 확인하세요. 소리가 비슷한 단어로 바뀌기 쉽습니다.
길이 한도가 다른 것도 같은 이유예요. 자막을 읽는 쪽은 4시간짜리 영상까지, 소리를 받아쓰는 쪽은 1시간짜리까지 받습니다.
처음 쓴다면 이 순서로, 방식은 이렇게
순서는 네 단계면 충분합니다.
- 영상 아래 공유 버튼으로 주소를 복사합니다
- 영상 URL 칸에 그 주소를 붙여넣습니다
- '추출 방식'을 열어 어떤 방식인지 봅니다
- '자막 추출'을 누른 뒤 TXT(대본)나 SRT(자막)로 저장합니다
방식은 상황에 맞춰 이렇게 고르시면 돼요.
- 자동(권장): 자막이 있는지 모를 때. 있으면 자막을, 없으면 AI 받아쓰기를 씁니다
- 기존 자막: 영상에 붙은 자막만 원할 때. 없으면 곧바로 안내가 뜹니다
- 음성 인식: 유튜브 자동 생성 자막이 엉성할 때. 자막은 두고 소리를 새로 받아씁니다
기본값을 '자동'으로 둔 이유도 여기 있어요. 링크를 넣기 전에는 그 영상에 자막이 붙어 있는지 알기 어렵거든요.
헷갈리면 '자동'에 두고, 결과 위 표시가 'AI 전사'인지 '자막 트랙'인지만 보세요.
하나 덧붙이면, 버튼을 누르면 먼저 로봇이 아닌지 보는 보안 확인이 몇 초 걸려요. 잠깐만 기다리시면 됩니다.
자막이 꺼져 있다고 해서 영상을 멈춰 가며 받아 적을 필요는 없어요. 링크를 넣고 11초쯤만 기다려 보세요.
다음 글에서는 TXT와 SRT 가운데 어떤 파일로 받는 게 편한지 비교해 볼게요.