유튜브 자동 생성 자막은 왜 틀릴까 — 수동 자막 차이와 SRT·VTT 고르는 법

유튜브 자막을 파일로 받았는데 사람 이름이나 전문 용어가 엉뚱하게 적혀 있다면, 그건 사람이 단 자막이 아니라 유튜브가 음성 인식으로 만든 '자동 생성' 자막일 가능성이 큽니다. 같은 영상에 사람이 직접 단 수동 자막이 함께 붙어 있는 경우도 많고, 목록에서 그쪽을 고르기만 해도 오탈자가 확연히 줄어듭니다.

이 글은 두 자막이 왜 다른지, 어디에서 틀리는지, 그리고 받을 때 SRT·VTT·TXT 중 무엇을 골라야 하는지를 정리합니다.

요약 자동 생성 자막은 유튜브의 음성 인식 결과라서 고유명사·전문용어·발음이 뭉개진 구간에서 틀립니다. 같은 언어에 수동 자막이 함께 있으면 그쪽이 확연히 정확합니다 — 목록에서 골라 받으면 됩니다. 편집 프로그램에 넣을 거면 SRT, 웹페이지 영상이면 VTT, 내용만 읽거나 붙여넣을 거면 TXT입니다.

화면에는 자막이 뜨는데, 파일로는 안 나온다

영상 재생 중에는 자막이 잘만 보입니다. 그런데 그 자막을 파일로 빼려고 하면 갑자기 길이 막힙니다. 재생 화면의 자막은 이미지처럼 얹혀 있는 게 아니라 매 순간 갈아 끼워지는 텍스트라서, 드래그로 긁어 담을 수가 없습니다.

이런 상황에서 자막 파일이 필요해집니다

가장 흔한 건 편집입니다. 영상 편집 프로그램에 자막을 얹으려면 화면에 보이는 글자가 아니라 시간 정보가 붙은 자막 파일이 필요합니다. 대사를 다시 타이핑하고 초 단위로 맞추는 건 몇 분짜리 영상만 돼도 감당하기 어렵습니다.

두 번째는 내용 확인입니다. 한 시간짜리 강의나 발표 영상에서 특정 대목이 어디쯤 나오는지 찾아야 할 때, 영상을 앞뒤로 돌리는 것보다 대사를 통째로 읽고 검색하는 편이 훨씬 빠릅니다.

세 번째는 외국어 영상입니다. 화면에 흘러가는 자막은 눈으로 따라가기 벅찬데, 텍스트로 손에 쥐고 있으면 모르는 표현을 멈춰서 찾아볼 수 있습니다.

네 번째는 기록입니다. 회의나 발표를 영상으로 남겼다면 나중에 찾아볼 때 필요한 건 영상 전체가 아니라 그 안의 말입니다. 텍스트로 남겨 두면 문서와 함께 보관하고 검색할 수 있습니다.

그런데 방법이 마땅치 않습니다

유튜브 화면 어디에도 '자막 파일 저장' 버튼은 없습니다. 내가 올린 영상이 아니라면 더욱 그렇습니다. 검색해서 나오는 방법들은 대개 프로그램을 설치하라거나, 브라우저 확장을 깔라거나, 명령어를 입력하라고 합니다.

게다가 자막이 여러 언어로 붙어 있는 영상에서는 문제가 하나 더 생깁니다. 화면에서는 지금 켜 놓은 한 가지 언어만 보이니, 어떤 언어가 준비돼 있는지, 그중 무엇이 사람이 단 자막이고 무엇이 기계가 만든 자막인지가 한눈에 안 들어옵니다.

영상은 검색이 안 된다는 게 진짜 불편입니다

문서였다면 단어 하나로 찾아낼 내용을, 영상에서는 재생 막대를 잡고 왔다 갔다 하며 찾아야 합니다. 한 시간짜리 영상에서 특정 대목을 다시 보려면 그 지점을 기억하고 있어야 합니다.

자막을 텍스트로 손에 쥐면 이 문제가 통째로 사라집니다. 단어로 찾고, 몇 분 몇 초인지 확인하고, 그 지점으로 바로 넘어가면 됩니다.

받아쓰기로 해결하려는 분도 있는데, 이건 시간이 감당이 안 됩니다. 이미 만들어져 있는 텍스트가 영상에 붙어 있는데 같은 내용을 다시 타이핑할 이유는 없습니다.

도구 없이 확인하고 처리하는 방법

유튜브 자체 기능만으로도 상당 부분은 됩니다. 먼저 이 방법부터 알아 두면, 도구가 없는 상황에서도 막히지 않습니다.

순서는 세 단계입니다. 자막이 있는지 확인하고, 어떤 종류인지 보고, 텍스트로 꺼냅니다. 이 순서를 건너뛰고 바로 복사부터 하면 자동 생성 자막을 그대로 가져와 놓고 나중에 오탈자와 씨름하게 됩니다.

1) 자막이 있는지, 어떤 언어가 있는지 확인하기

재생 화면 아래쪽 자막(CC) 버튼이 회색으로 비활성이면 그 영상에는 자막이 없습니다. 버튼이 눌리면 자막이 최소 하나는 있다는 뜻입니다.

언어 목록은 톱니바퀴 모양 설정 버튼에서 봅니다. 설정을 누르고 자막 항목으로 들어가면 이 영상에 붙어 있는 언어가 쭉 나옵니다. 여기서 '자동 생성'이라고 표시된 항목이 음성 인식으로 만들어진 자막입니다.

목록에 언어가 하나도 없다면 그 영상에는 자막이 없는 것입니다. 이건 재생 기기나 브라우저 문제가 아니라 영상 자체의 상태이므로, 다른 곳에서 열어 봐도 결과가 같습니다.

같은 언어가 두 번 보이는 경우가 있습니다. 하나는 그냥 언어 이름만 있고, 다른 하나는 뒤에 '자동 생성'이 붙어 있습니다. 이때는 표시가 없는 쪽, 즉 사람이 단 수동 자막이 정확합니다.

2) 대사를 텍스트로 읽어 내기

유튜브 웹에서는 영상 설명란 쪽에서 스크립트를 펼쳐 볼 수 있습니다. 대사가 시간과 함께 목록으로 뜨고, 여기서는 마우스로 긁어서 복사할 수 있습니다.

이 목록에는 타임스탬프를 감추는 옵션이 있습니다. 시간이 필요 없다면 꺼 두고 복사해야 나중에 지울 일이 없습니다. 켜 둔 채로 복사하면 줄마다 시간이 섞여 들어와 정리에 손이 많이 갑니다.

복사한 내용을 메모장이나 문서 편집기에 붙여 넣으면 대사 전체를 한 번에 읽을 수 있습니다. 여기까지가 설치 없이 되는 범위입니다.

3) 이 방법의 한계

첫째, 형식이 안 나옵니다. 편집 프로그램에 넣을 SRT 파일을 만들려면 번호와 시작·종료 시간을 규칙에 맞춰 손으로 짜 넣어야 합니다. 몇 줄이면 몰라도 수백 줄을 그렇게 만들 수는 없습니다.

둘째, 언어마다 반복해야 합니다. 언어를 바꿔 가며 스크립트를 다시 펼치고, 다시 복사하고, 다시 정리하는 일을 언어 수만큼 되풀이해야 합니다.

셋째, 어떤 언어가 원본이고 어떤 언어가 자동번역인지 목록에서 한눈에 비교하기 어렵습니다. 하나씩 눌러 보며 확인해야 합니다.

4) 그래도 손으로 정리해야 한다면

복사해 온 텍스트를 읽을 만하게 만드는 순서는 대략 이렇습니다. 먼저 시간 줄이 섞여 들어왔다면 그것부터 걷어냅니다. 문서 편집기의 바꾸기 기능으로 처리하면 한 번에 됩니다.

그다음 줄바꿈을 정리합니다. 자막은 화면에 뜨는 단위로 끊겨 있어서, 그대로 붙여 넣으면 문장 중간에 줄이 바뀝니다. 문장부호를 기준으로 다시 묶어 줘야 읽힙니다.

마지막으로 이름과 용어를 훑어봅니다. 자동 생성 자막이었다면 이 대목에서 손볼 곳이 나옵니다. 여기까지 하면 읽을 수 있는 대본이 되지만, 영상 하나에 이 과정을 매번 하기는 부담스럽습니다.

저희 도구로 한 번에 받기. 영상 주소만 넣으면 그 영상에 붙어 있는 자막을 언어별로 모아 보여 주고, 사람이 단 자막인지 자동 생성인지도 목록에서 구분됩니다. 언어와 형식을 고르면 SRT·VTT·TXT 파일로 바로 저장됩니다.

직접 해보기 →

자동 생성 자막과 수동 자막은 무엇이 다른가

이 둘은 같은 '자막'이라는 이름을 달고 있지만 만들어진 과정이 완전히 다릅니다. 그래서 품질도, 믿을 수 있는 범위도 다릅니다.

수동 자막 — 사람이 듣고 적은 것

수동 자막은 사람이 영상을 들으면서 직접 입력한 자막입니다. 업로더가 직접 넣기도 하고, 번역가나 팬이 만들어 붙이기도 합니다.

사람이 만들었기 때문에 문맥을 압니다. 인명과 지명의 철자가 맞고, 전문 용어가 그 분야에서 쓰는 표기로 적혀 있으며, 말끝이 흐려진 구간도 앞뒤 맥락으로 채워져 있습니다.

문장 부호와 줄 끊김도 사람이 읽기 좋게 정리돼 있는 편입니다. 화면에 한 번에 뜨는 분량이 눈에 편한 길이로 나뉘어 있는 것도 사람이 손을 댔기 때문입니다.

자동 생성 자막 — 기계가 소리를 받아 적은 것

자동 생성 자막은 유튜브가 음성 인식으로 만든 자막입니다. 사람이 개입하지 않고 소리에서 바로 글자를 뽑아냅니다.

그래서 소리가 또렷한 구간에서는 놀랄 만큼 잘 맞습니다. 문제는 소리가 또렷하지 않은 구간과, 소리만으로는 판단할 수 없는 단어에서 생깁니다.

또 사람이 문장을 다듬어 넣은 게 아니라서, 문장 부호나 줄 끊김이 읽기 좋게 정리돼 있지 않을 수 있습니다. 통독하려고 뽑았는데 문단 구분 없이 이어진 글이 나오는 이유가 여기 있습니다.

정확히 어디에서 틀리는가

세 군데가 반복적으로 무너집니다.

첫째, 고유명사입니다. 사람 이름, 회사 이름, 제품 이름, 지명은 소리만으로는 철자를 정할 수 없습니다. 발음이 비슷한 다른 단어로 바뀌어 적히는 일이 흔합니다.

둘째, 전문 용어입니다. 그 분야 사람에게는 익숙한 말이라도 음성 인식이 일상어로 되돌려 놓는 경우가 있습니다. 의학·법률·기술 영상에서 특히 눈에 띕니다.

셋째, 발음이 뭉개지는 구간입니다. 말이 빨라지거나, 웅얼거리거나, 배경 음악과 소음이 겹치거나, 여러 사람이 동시에 말하면 인식 결과가 흐트러집니다.

여기서 중요한 건 자동 생성 자막이 '전부 틀린다'가 아니라는 점입니다. 대부분은 맞습니다. 다만 틀리는 지점이 하필 이름·용어처럼 검색하고 인용할 때 필요한 단어에 몰려 있다는 게 문제입니다.

그래서 통독하는 용도로는 큰 지장이 없어도, 인용하거나 검색하는 용도로는 곤란해집니다. 회사 이름이 잘못 적혀 있으면 그 단어로 찾아도 걸리지 않고, 그대로 옮겨 적으면 틀린 정보가 됩니다.

자동 생성 자막이 잘 맞는 조건

반대로 자동 생성 자막이 꽤 쓸 만한 경우도 분명히 있습니다. 조건이 좋으면 사람이 적은 것과 비교해도 크게 차이가 나지 않습니다.

한 사람이 또렷하게 말하고, 배경 소음과 음악이 크지 않고, 말 속도가 일정하고, 일상어 위주인 영상이 그렇습니다. 인터뷰나 강연처럼 마이크가 제대로 잡혀 있는 영상이 여기 해당합니다.

그러니 "자동 생성이면 못 쓴다"고 미리 접을 필요는 없습니다. 받아서 이름과 용어가 나오는 대목만 확인해 보면 쓸 수 있는지 금방 판단이 섭니다.

수동 자막이라고 늘 완벽하진 않습니다

사람이 단 자막에도 오타가 있고, 대사를 줄여 옮긴 경우가 있으며, 번역 자막이라면 옮긴 사람의 해석이 들어가 있습니다. 원문 대사와 한 글자까지 같다고 가정하면 안 됩니다.

다만 방향이 다릅니다. 자동 생성 자막의 오류는 소리를 잘못 들은 데서 나오고, 수동 자막의 차이는 사람이 의도적으로 다듬은 데서 나옵니다. 인용이 중요한 작업이라면 결국 해당 구간을 직접 들어 확인하는 게 맞습니다.

그래서 목록에서 고르는 게 중요합니다

같은 언어에 수동 자막과 자동 생성 자막이 둘 다 있다면, 수동 자막을 고르는 것만으로 위 문제 대부분이 사라집니다. 추가 작업도, 보정도 필요 없습니다. 그냥 다른 항목을 고르면 됩니다.

이게 목록을 한눈에 보는 게 필요한 이유입니다. 실제로 저희가 확인한 한 영상에는 자막 트랙이 25종 붙어 있었습니다. 대부분은 사람이 직접 단 수동 자막이었고, 영어에는 자동 생성 자막이 함께 있었습니다.

25개를 하나씩 눌러 가며 확인하는 건 현실적이지 않습니다. 목록으로 펼쳐 놓고 원하는 언어와 종류를 고르는 게 훨씬 빠릅니다.

이 숫자가 말해 주는 건 하나 더 있습니다. 자막이 많이 붙은 영상일수록 더 나은 선택지가 이미 그 안에 있을 가능성이 높다는 것입니다. 자동 생성 자막을 받아 놓고 오탈자를 고치는 대신, 목록을 먼저 확인하는 습관이 시간을 아낍니다.

목록에서 고를 때 보는 순서

트랙이 여러 개일 때 헤매지 않는 순서가 있습니다. 세 가지만 차례로 보면 됩니다.

첫째, 필요한 언어가 목록에 있는지 봅니다. 없다면 그 언어는 원본에도 번역에도 준비돼 있지 않다는 뜻입니다.

둘째, 그 언어가 자동 생성인지 봅니다. 표시가 붙어 있지 않은 항목이 사람이 단 자막입니다. 같은 언어가 둘 다 있다면 표시 없는 쪽을 고릅니다.

셋째, 영상에서 실제로 쓰는 언어가 무엇인지 봅니다. 영어로 말하는 영상의 한국어 자막은 대개 번역이고, 번역의 품질은 원본이 무엇이었느냐에 좌우됩니다. 정확도가 중요한 작업이라면 원본 언어 트랙도 함께 받아 두면 대조가 됩니다.

자동번역은 오류가 한 겹 더 얹힙니다

목록에 내가 모르는 언어까지 잔뜩 나오는 경우가 있는데, 상당수는 유튜브가 제공하는 자동번역입니다. 저희가 번역하는 게 아니라 유튜브 쪽에서 만들어 주는 번역입니다.

여기서 품질이 갈리는 지점이 있습니다. 원본 자막이 수동 자막이면 번역의 출발점이 정확한 문장이라 결과도 대체로 읽을 만합니다.

반대로 원본이 자동 생성 자막이면 이야기가 달라집니다. 음성 인식이 이미 이름을 잘못 적어 놓은 상태에서 번역이 시작되므로, 틀린 단어를 그대로 번역한 문장이 나옵니다. 인식 오류가 번역에 그대로 이어져 품질이 들쭉날쭉해지는 겁니다.

그래서 외국어 영상의 한국어 자막이 이상하게 읽힌다면, 번역 자체보다 그 앞 단계인 원본 자막을 의심하는 게 맞습니다. 원본에 수동 자막이 있는 언어가 있다면 그 언어를 받아서 확인해 보면 원인이 분명해집니다.

자막이 아예 없는 영상도 있습니다

'자막이 없다'는 결과가 오류가 아닌 경우가 있습니다. 업로더가 자막을 넣지 않았고 유튜브의 자동 생성 자막도 만들어지지 않았다면, 가져올 자막 자체가 존재하지 않습니다.

말소리가 거의 없는 음악 영상, 아주 짧은 영상에서 종종 그렇습니다. 이때는 어떤 방법을 쓰든 결과가 같습니다 — 없는 걸 만들어 낼 수는 없습니다.

SRT·VTT·TXT — 무엇이 다르고 언제 고르나

셋 다 같은 대사를 담지만 담는 방식이 다릅니다. 쓸 곳이 정해져 있다면 고민할 것도 없습니다.

'시간 정보가 있다'는 게 무슨 뜻인가

SRT와 VTT가 TXT와 갈리는 지점이 여기입니다. 두 형식은 대사 한 덩어리마다 언제 뜨고 언제 사라지는지를 함께 담습니다.

그래서 플레이어나 편집 프로그램이 이 파일을 읽으면, 영상 재생 위치에 맞춰 해당 대사를 화면에 올렸다가 시간이 지나면 내립니다. 자막이 영상과 어긋나지 않는 이유가 이 시간 값 덕분입니다.

TXT에는 이 값이 없습니다. 그래서 읽기에는 편하지만 영상에 얹을 수는 없습니다. 반대로 SRT·VTT를 그냥 읽으려고 열면 시간 줄이 계속 끼어들어 눈이 걸립니다. 같은 대사를 담고도 쓰임이 갈리는 건 이 차이 하나 때문입니다.

30초 만에 형식 정하기

고민을 줄이는 기준은 하나입니다. 이 파일을 무엇이 읽을 것인가를 먼저 정하면 답이 나옵니다.

영상 편집 프로그램이나 컴퓨터의 동영상 플레이어가 읽는다면 SRT입니다. 브라우저가 읽는다면, 즉 웹페이지에 올린 영상에 자막을 붙이는 거라면 VTT입니다. 사람이 읽는다면 TXT입니다.

어디에 쓸지 아직 안 정해졌다면 SRT를 받아 두면 됩니다. 시간 정보가 남아 있으니 나중에 VTT로도, 읽기용으로도 쓸 수 있습니다. 반대로 TXT부터 받으면 시간이 사라져 되돌릴 수 없습니다.

SRT — 가장 무난한 선택

SRT는 자막 형식 중 가장 널리 쓰입니다. 영상 편집 프로그램과 플레이어 대부분이 별도 설정 없이 읽습니다. 어디에 쓸지 아직 안 정해졌다면 SRT를 고르는 게 안전합니다.

구조도 단순합니다. 순번 한 줄, 시작 시간과 종료 시간 한 줄, 그리고 대사 줄이 오고, 빈 줄로 다음 자막과 구분됩니다.

시간 줄은 이렇게 생겼습니다. 00:00:00,680 --> 00:00:05,879 — 시·분·초 뒤에 밀리초가 붙고, 소수점 자리를 쉼표로 구분합니다. 이 쉼표가 SRT의 표식입니다.

VTT — 웹 영상용 표준

VTT는 웹페이지에 넣는 영상에 자막을 붙일 때 쓰는 형식입니다. 브라우저가 직접 읽도록 만들어진 규격이라, 웹사이트에 올린 영상에는 이쪽이 맞습니다.

파일 맨 위에 WEBVTT 라는 한 줄이 들어가는 게 특징입니다. 이 줄이 없으면 웹에서 자막으로 인식되지 않습니다. 내용이 아무리 멀쩡해도 이 한 줄이 빠지면 자막이 통째로 안 뜹니다.

시간 표기는 SRT와 거의 같은데 딱 한 글자가 다릅니다. 00:00:00.680 --> 00:00:05.879 처럼 소수점 자리를 마침표로 구분합니다. 그리고 순번은 있어도 되고 없어도 됩니다. 두 형식을 눈으로 구분할 때는 이 한 글자와 맨 윗줄만 보면 충분합니다.

TXT — 시간을 뺀 줄글

TXT는 타임스탬프 없이 대사만 이어 붙인 형식입니다. 자막 파일이라기보다 대본에 가깝습니다.

내용을 통째로 읽거나, 특정 표현이 나오는지 검색하거나, 다른 문서에 옮겨 적을 때 편합니다. 시간이 섞여 있지 않으니 붙여 넣고 바로 읽을 수 있습니다.

다만 시간 정보가 사라지므로 편집 프로그램에는 쓸 수 없습니다. 나중에 시간이 필요해질 것 같으면 SRT로 받아 두고, 읽기용은 따로 뽑는 편이 낫습니다.

파일을 열어 보면 형식이 바로 보입니다

받은 파일이 무엇인지 헷갈릴 때는 메모장 같은 문서 편집기로 열어 보면 됩니다. 자막 파일은 모두 그냥 글자로 돼 있어서 아무 편집기로나 열립니다.

맨 위에 WEBVTT 라는 한 줄이 보이면 VTT입니다. 1, 2, 3 순번이 있고 시간에 쉼표가 찍혀 있으면 SRT입니다. 시간이 아예 없고 대사만 이어져 있으면 TXT입니다.

확장자만 바꿔서 형식이 바뀌지는 않습니다. 파일 이름 끝을 srt에서 vtt로 고쳐 봐야 안에 들어 있는 내용은 그대로라, 자막이 안 뜨는 문제는 해결되지 않습니다.

형식을 잘못 골랐다면

시간 구조가 같기 때문에 SRT와 VTT는 서로 옮기기가 어렵지 않습니다. 다만 손으로 고치려면 모든 시간 줄의 쉼표를 마침표로(또는 그 반대로) 바꾸고, VTT로 만들 때는 맨 위에 WEBVTT 줄을 추가해야 합니다.

줄 수가 수백 줄이면 하나만 놓쳐도 자막이 통째로 안 뜰 수 있습니다. 그럴 바에는 처음부터 원하는 형식으로 다시 받는 게 빠르고 안전합니다.

자주 막히는 지점

만료와 요청 제한은 고장이 아닙니다

위 표에서 마지막 두 가지는 설명이 조금 더 필요합니다. 유튜브가 내려 주는 자막 주소에는 만료 시각이 붙어 있습니다. 그래서 한참 열어 둔 화면에서 다시 저장을 누르면 실패할 수 있습니다. 이때는 영상 주소를 다시 넣어 자막을 새로 찾으면 됩니다.

또 유튜브 자막 서버는 IP 단위로 요청 횟수를 제한합니다. 짧은 시간에 여러 번 받으면 잠시 막히고, 보통 1~2분 뒤에 풀립니다. 차단이나 계정 문제가 아니라 서버 쪽의 정상적인 속도 제한입니다.

여러 영상의 자막이 필요하다면 한꺼번에 몰아서 누르기보다 조금씩 간격을 두고 받는 편이 결과적으로 빠릅니다.

형식 문제와 내용 문제를 구분하세요

위 표를 볼 때 도움이 되는 구분이 하나 있습니다. 증상은 크게 두 갈래입니다.

형식 문제는 자막이 아예 안 뜨거나 글자가 깨져 보이는 쪽입니다. 웹 영상에 SRT를 넣었다든지, WEBVTT 줄이 빠졌다든지 하는 경우입니다. 이건 다른 형식으로 다시 받으면 끝납니다.

한글이 네모나 물음표로 깨져 보이는 것도 이쪽입니다. 자막 파일은 UTF-8로 저장되는데, 오래된 프로그램 중에는 이 인코딩을 자동으로 알아채지 못하는 것이 있습니다. 문서 편집기로 열어 UTF-8로 다시 저장하거나, 프로그램의 자막 인코딩 설정을 UTF-8로 지정하면 대개 풀립니다. 내용 자체는 멀쩡하니 다시 받을 필요는 없습니다.

내용 문제는 자막은 잘 뜨는데 적힌 말이 이상한 쪽입니다. 이건 형식을 바꿔도 그대로입니다. 원인이 원본 자막에 있기 때문입니다. 자동 생성인지 확인하고, 수동 자막이 있으면 그쪽으로 바꿔 받아야 합니다.

이 둘을 섞으면 엉뚱한 데서 시간을 씁니다. 자막이 안 뜨는 문제를 언어 바꿔 가며 해결하려 하거나, 오탈자 문제를 형식 바꿔 가며 해결하려 하는 식입니다.

저작권과 합법적 사용 범위

여기서 선을 분명히 해 둬야 합니다. 자막의 저작권은 원저작자에게 있습니다. 파일로 받을 수 있다는 것과 마음대로 써도 된다는 건 다른 이야기입니다.

자막은 영상의 대사를 담은 저작물입니다. 업로더가 직접 쓴 것이든, 번역가가 옮긴 것이든, 그 텍스트에는 만든 사람의 권리가 붙어 있습니다. 자동 생성 자막이라고 해서 원본 대사의 권리가 사라지는 것도 아닙니다.

기계가 받아 적었다는 사실은 만드는 방식에 관한 이야기이지, 그 안에 담긴 말이 누구 것이냐와는 별개입니다. 대사를 한 사람은 여전히 영상의 출연자이고 저작자입니다.

문제가 되지 않는 쪽

본인이 올린 영상의 자막을 받아 보관하거나 편집에 쓰는 경우, 권리자에게 허락을 받은 경우, 그리고 혼자 읽고 공부하는 개인적 용도라면 일반적으로 문제가 되지 않습니다.

외국어 영상을 이해하려고 텍스트로 받아 놓고 모르는 표현을 찾아보는 것, 강의 영상의 내용을 다시 확인하려고 읽는 것도 여기에 들어갑니다.

조심해야 하는 쪽

받은 자막을 그대로 다른 곳에 올리거나, 자기 콘텐츠에 넣어 배포하거나, 대사를 옮겨 적어 글로 재가공해 공개하는 건 별개의 문제입니다. 이런 용도라면 원저작자의 허락이 필요합니다.

번역 자막도 마찬가지입니다. 자동번역이라 하더라도 그 출발점은 원저작자의 대사입니다. "기계가 번역했으니 내 것"이 되지는 않습니다.

정리하면, 받는 것과 쓰는 것을 분리해서 생각하면 됩니다. 개인적으로 확인하고 정리하는 용도인지, 밖으로 내보내는 용도인지에 따라 필요한 절차가 달라집니다.

판단이 애매한 경우

'개인적 용도'와 '공개'의 경계가 늘 뚜렷한 건 아닙니다. 스터디 모임에 자료로 돌리는 것, 사내 문서에 첨부하는 것, 수업 자료에 넣는 것 같은 중간 지대가 있습니다.

여기서 저희가 대신 판단해 드릴 수는 없습니다. 다만 확인할 지점은 분명합니다 — 받은 텍스트가 나 말고 다른 사람에게 전달되는지, 그리고 그게 원저작자가 예상한 범위 안인지입니다.

애매하다면 대사를 그대로 옮기는 대신 영상 링크를 붙이는 방법이 있습니다. 링크는 원저작자의 채널로 사람을 보내는 것이라 성격이 다릅니다.

다른 방법과 무엇이 다른지

자막을 빼내는 방법은 여럿 있습니다. 각각 장단이 뚜렷합니다.

화면에서 긁어 복사하기

설치가 필요 없다는 게 최대 장점입니다. 하지만 앞에서 본 대로 형식이 안 나오고, 언어마다 반복해야 하며, 타임스탬프 정리에 손이 많이 갑니다. 짧은 영상 하나를 읽어 보는 정도라면 충분합니다.

한계가 분명해지는 건 영상이 길어지거나 개수가 늘어날 때입니다. 강의 시리즈처럼 여러 편을 다뤄야 하면 같은 작업을 편 수만큼 반복해야 하고, 중간에 한 번 순서를 놓치면 어디까지 했는지 다시 맞춰야 합니다.

브라우저 확장 프로그램

한 번 깔면 편하지만, 확장은 브라우저에서 보는 페이지의 내용을 읽을 권한을 갖게 됩니다. 어떤 확장을 깔지 판단하는 몫이 사용자에게 넘어옵니다. 브라우저를 바꾸면 다시 깔아야 하고, 유튜브 화면 구조가 바뀌면 동작이 멈추기도 합니다.

설치형 프로그램

기능은 가장 넓습니다. 대신 설치가 필요하고, 명령어를 다뤄야 하는 것도 있으며, 컴퓨터마다 설치해야 합니다. 회사 컴퓨터나 남의 기기에서는 아예 못 쓰는 경우도 많습니다.

한 번 설치해 두면 오래 쓸 수 있을 것 같지만, 유튜브 쪽이 바뀌면 갱신이 필요합니다. 자막만 가끔 받으면 되는 사람에게는 준비 비용이 큰 선택입니다. 반대로 매일 많은 양을 다뤄야 한다면 이쪽이 맞습니다.

저희 도구

설치 없이 주소만 넣어 쓰는 방식입니다. 브라우저만 있으면 되니 기기를 가리지 않습니다. 자막이 여러 언어로 붙어 있어도 목록으로 한 번에 보여 주고, 수동 자막과 자동 생성 자막이 구분돼 나오므로 더 정확한 쪽을 골라 받을 수 있습니다.

한 가지 분명히 해 둘 것이 있습니다. 저희는 자막을 번역하지 않습니다 — 번역 언어는 유튜브가 제공하는 자동번역입니다. 그리고 내용을 요약해 주지도 않습니다 — 요약 도구에 붙여 넣기 좋은 줄글 텍스트를 뽑아 줄 뿐입니다.

어떤 방법을 써도 자막 내용은 같습니다

방법을 고를 때 오해하기 쉬운 지점이 있습니다. 어떤 도구가 '더 정확한 자막'을 준다는 건 성립하지 않습니다.

자막은 전부 유튜브에 이미 올라와 있는 것을 가져오는 것이고, 원본이 같으니 결과도 같습니다. 도구가 다르게 만드는 건 정확도가 아니라 편의입니다 — 설치가 필요한지, 여러 언어를 한눈에 보여 주는지, 원하는 형식으로 바로 저장되는지 같은 것들입니다.

그러니 도구를 바꿔 가며 더 나은 자막을 찾을 필요는 없습니다. 대신 같은 영상 안에서 더 나은 트랙이 있는지를 보는 게 실질적입니다.

어떤 방법으로도 안 되는 것

방법을 고르기 전에 알아 두면 시간을 아끼는 것들이 있습니다. 이건 도구의 성능 문제가 아니라 애초에 길이 없는 경우입니다.

비공개 영상과 연령 제한 영상은 되지 않습니다. 로그인이 필요한 콘텐츠이기 때문에, 로그인 없이 접근하는 어떤 방식으로도 자막을 가져올 수 없습니다.

자막이 없는 영상에서 자막을 만들어 낼 수도 없습니다. 업로더가 안 넣었고 자동 생성도 없다면 가져올 대상 자체가 없습니다. 이때 필요한 건 자막 추출이 아니라 음성 인식을 따로 돌리는 별개의 작업입니다.

그리고 이미 만들어진 자막의 정확도를 높여 주는 방법도 없습니다. 유튜브에 올라와 있는 결과를 가져오는 것이라, 어느 도구를 쓰든 같은 내용이 나옵니다. 품질을 바꾸는 유일한 선택지는 어떤 트랙을 고르느냐입니다.

정리

자동 생성 자막은 유튜브가 음성 인식으로 만든 결과라, 고유명사·전문용어·발음이 뭉개진 구간에서 틀립니다. 같은 언어에 사람이 단 수동 자막이 함께 있으면 그쪽이 확연히 정확하니, 목록에서 종류를 확인하고 고르는 것만으로 품질이 달라집니다.

번역 자막이 이상하다면 번역보다 원본 자막을 먼저 의심하세요. 원본이 자동 생성이면 인식 오류가 번역까지 그대로 이어집니다.

형식은 쓸 곳으로 정하면 됩니다. 편집 프로그램·플레이어에는 SRT, 웹페이지 영상에는 VTT, 읽고 붙여넣을 거면 타임스탬프 없는 TXT입니다.

받는 것과 쓰는 것은 다른 문제입니다. 자막의 저작권은 원저작자에게 있으니, 밖으로 내보낼 계획이라면 허락이 필요합니다.

자주 묻는 질문

지금 보고 있는 자막이 자동 생성인지 어떻게 구분하나요?

재생 화면의 설정(톱니바퀴)에서 자막 항목을 열면 언어 목록이 나오고, 음성 인식으로 만들어진 자막에는 '자동 생성' 표시가 붙습니다. 같은 언어가 두 개 보인다면 표시가 없는 쪽이 사람이 직접 단 수동 자막입니다. 저희 도구에서는 자막을 찾은 뒤 목록에서 이 구분이 함께 표시되므로, 언어를 하나씩 눌러 볼 필요 없이 비교해서 고를 수 있습니다.

자동 생성 자막의 오탈자를 줄이는 방법이 있나요?

자막 자체를 더 정확하게 만들 수는 없습니다. 유튜브가 이미 만들어 놓은 결과를 가져오는 것이기 때문입니다. 어떤 도구를 쓰든 같은 내용이 나오므로, 도구를 바꿔 가며 더 나은 자막을 찾는 건 의미가 없습니다.

대신 같은 언어에 수동 자막이 있으면 그쪽으로 바꿔 받는 게 가장 확실한 해결책입니다. 수동 자막이 없다면 이름과 전문 용어가 나오는 대목만 영상에서 직접 들어 확인하는 편이 빠릅니다 — 자동 생성 자막이 틀리는 지점은 대체로 그 두 가지에 몰려 있습니다.

받은 TXT에 문장부호가 거의 없어 읽기 불편한 것도 같은 원인입니다. 사람이 문장을 다듬어 넣은 게 아니라서 줄 끊김과 부호가 정리돼 있지 않을 수 있습니다.

자막 파일을 열었더니 시간이 00:00:00,680 처럼 쉼표로 찍혀 있는데 정상인가요?

정상입니다. SRT는 시간의 소수점 자리를 쉼표로 구분하는 규격입니다. 반대로 VTT는 같은 자리를 마침표로 씁니다. 파일을 열었을 때 맨 위에 WEBVTT 라는 줄이 있고 시간에 마침표가 찍혀 있으면 VTT, 순번과 쉼표가 있으면 SRT라고 보면 됩니다. 자막 파일은 모두 일반 텍스트라 메모장 같은 편집기로 열어 눈으로 확인할 수 있고, 이렇게 확인하면 무엇을 받았는지 헷갈릴 일이 없습니다.

SRT를 받았는데 웹페이지 영상에 안 뜹니다.

웹페이지에 넣는 영상은 VTT 형식을 기대합니다. SRT를 그대로 넣으면 자막이 표시되지 않습니다. VTT로 다시 받는 게 가장 간단합니다. 굳이 손으로 고치겠다면 파일 맨 위에 WEBVTT 줄을 넣고, 모든 시간 줄의 쉼표를 마침표로 바꿔야 합니다. 한 줄이라도 빠지면 자막 전체가 안 뜰 수 있어 권하지는 않습니다.

편집 프로그램에 넣었더니 자막 시간이 어긋납니다.

자막 파일의 시간 값은 유튜브에 올라와 있는 영상을 기준으로 매겨져 있습니다. 그래서 앞부분 인트로를 잘라 냈거나 중간을 편집한 영상에 그대로 얹으면 잘라 낸 만큼 전체가 밀립니다. 파일이 잘못된 게 아니라 기준이 되는 영상이 달라진 것입니다.

앞쪽만 잘라 낸 경우라면 편집 프로그램에서 자막 트랙을 통째로 앞뒤로 미는 기능으로 첫 대사 지점에 한 번만 맞추면 나머지도 함께 맞습니다. 다만 중간을 여러 군데 잘라 냈다면 구간마다 밀리는 양이 달라져 한 번의 이동으로는 맞지 않습니다.

조금 전에는 받아졌는데 지금은 안 됩니다.

두 가지 가능성이 있습니다. 하나는 자막 주소의 만료입니다. 유튜브가 내려 주는 자막 주소에는 만료 시각이 붙어 있어서, 화면을 오래 열어 둔 뒤 저장을 누르면 실패할 수 있습니다. 영상 주소를 다시 넣어 자막을 새로 찾으면 해결됩니다. 다른 하나는 요청 제한입니다. 유튜브 자막 서버는 IP 단위로 요청 횟수를 제한하므로, 짧은 시간에 여러 번 받으면 잠시 막힙니다. 보통 1~2분 뒤에 풀립니다.

한 영상에 자막이 왜 이렇게 많이 붙어 있나요?

시청자층이 넓은 영상일수록 여러 언어의 자막이 붙습니다. 업로더가 번역을 맡겨 넣기도 하고, 유튜브의 자동번역으로 언어가 늘어나기도 합니다. 저희가 확인한 한 영상에는 자막 트랙이 25종 있었고, 대부분은 사람이 직접 단 수동 자막이었습니다. 영어에는 수동 자막과 자동 생성 자막이 함께 있었습니다.

목록이 길다고 해서 전부 기계 번역인 것은 아닙니다. 필요한 언어에 수동 자막이 있는지부터 확인해 보는 게 좋습니다. 반대로 목록에 언어가 하나뿐이고 그게 자동 생성이라면, 그 영상에서 얻을 수 있는 최선이 거기까지라는 뜻입니다.

강의 영상 자막을 텍스트로 받아 블로그에 옮겨 적어도 되나요?

자막의 저작권은 원저작자에게 있습니다. 혼자 읽고 정리하는 개인적 용도라면 일반적으로 문제가 되지 않지만, 받은 내용을 공개된 곳에 올리거나 다른 콘텐츠에 넣어 배포하는 건 별개의 문제이며 원저작자의 허락이 필요합니다. 자동번역으로 나온 자막도 마찬가지입니다 — 기계가 번역했다고 해서 권리 관계가 달라지지는 않습니다.