영상에서 자막 만들기
영상이나 음성 파일의 말을 듣고 시간이 맞춰진 자막을 씁니다. SRT·VTT 로 내려받을 수 있습니다. 모델을 기기로 받아 거기서 돌리므로 파일은 이 탭 밖으로 나가지 않습니다.
영상이나 음성 파일을 여기에 놓으세요
MP4 · MOV · M4A · WAV · MP3 — 20분까지
버튼을 누르면 실행기와 모델을 약 150 MB 받습니다. 한 번만 받고 브라우저가 갖고 있습니다 — 다음 파일은 바로 시작합니다.
잡음이 많거나 아주 오래된 녹음에서는 모델이 같은 말을 반복하며 멈출 수 있습니다. 깨끗한 소리일수록 잘 됩니다.
제 영상은 어디로 가나요?
아무 데도 가지 않습니다. 이 탭 안에서 열릴 뿐 업로드되지 않습니다. 이 도구에서는 그게 특히 중요합니다 — 회의나 강의 녹음은 남의 서버에 넘기면 안 되는 종류의 파일입니다.
왜 이렇게 많이 받나요?
**정밀도를 낮춘 모델이 실제로 동작하지 않기 때문입니다.** 직접 재 봤습니다. 8비트 양자화본은 아예 열리지 않고, 16비트본은 더 나쁩니다 — 작은 모델은 문장을 흐트러뜨리고 정확한 모델은 같은 두 마디만 반복하며 무너집니다. 시끄럽게 실패하는 모델은 괜찮지만, 조용히 그럴듯한 헛소리를 내는 모델은 안 됩니다. 그래서 전체 정밀도로 보내고 용량을 미리 말합니다.
어떤 파일을 넣을 수 있나요?
MP4, MOV, M4A, WAV, MP3 입니다. 브라우저가 스스로 열 수 있는 것들이라 디코더를 더 보내지 않습니다. MP3 가 가장 늦게 붙었는데, 무거워서가 아니라 **컨테이너가 없어서**입니다 — 날 프레임이 이어진 흐름이라 누군가 프레임 경계를 짚어 줘야 브라우저 디코더가 받습니다. 그 부분을 우리가 썼고, 더 받는 것은 없습니다.
결과가 같은 말을 계속 반복해요.
잡음이 많은 소리에서 모델이 무너지는 것이고, 이 도구의 정직한 한계입니다. 1948년 연설 녹음으로 재 봤더니 작은 모델은 같은 한 글자만 반복했습니다. 같은 모델이 깨끗한 현대 음성에서는 정확했습니다 — **녹음 품질 문제이지 언어 문제가 아닙니다.** 소리가 작거나 울리거나 말 위에 음악이 깔려 있으면 이 일이 납니다.
어느 모델을 골라야 하나요?
작은 쪽부터 해 보세요. 깨끗한 16초 한국어 음성에서 40여 단어 중 2건을 틀렸고, 정확한 쪽은 1건이었습니다. 공개할 긴 녹음이라면 큰 쪽이 값을 하고, 대략 옮겨 적는 용도라면 그렇지 않습니다. 정확한 모델은 그래픽카드에서도 **시작 전에 20초쯤 데우는 시간**이 붙는다는 점도 알아 두세요.
SRT 와 VTT 는 뭐가 다른가요?
SRT 는 대부분의 편집 프로그램과 재생기가 기대하는 형식입니다. VTT 는 웹 표준으로 HTML 의 video 요소가 씁니다. 여기서는 담긴 내용이 같으니 다음 단계가 원하는 쪽을 쓰면 됩니다. 텍스트 파일에는 시간이 아예 없습니다 — 말만 필요할 때 쓰세요.