동영상이나 녹음으로 자막 만들기
인터뷰, 강의, 고객과의 통화, 제품 시연. 자막이 가장 필요한 녹음일수록 전사 서비스에 보내면 안 되는 경우가 많습니다. 여기서는 음성 모델이 이 탭 안에서 실행되므로 파일이 컴퓨터 밖으로 나가지 않습니다.
- 브라우저 안에서 전부 처리됩니다
- 오프라인에서도 작동합니다
- 업로드 없음
- 가입 없음
- 워터마크 없음
도구를 불러오는 중…
작동 방식
- 동영상이나 오디오 파일을 놓으세요. 언어는 자동 감지로 두면 되고, 잘못 감지되면 직접 고르세요.
- “자막 만들기”를 누르세요. 처음 한 번은 음성 모델(컴퓨터에 따라 240MB 또는 540MB)을 내려받고, 그다음 녹음을 구간별로 받아씁니다.
- 동영상으로 확인하면서 텍스트와 시간을 고친 뒤 .srt나 .vtt를 내려받거나, 자막을 입힌 MP4를 만드세요.
왜 아무것도 업로드되지 않는가
이 페이지가 하는 모든 작업은 브라우저 탭 안에서 도는 코드가 처리합니다. 웹 페이지를 그리는 그 엔진을 그대로 씁니다. 파일은 디스크에서 탭의 메모리로 읽어 들여 거기서 변환한 뒤 다시 다운로드 파일로 내보냅니다. 어디로도 전송되지 않습니다. 우리에게도, 제3자에게도.
직접 확인해 보세요
- 브라우저 개발자 도구(F12)를 열고 네트워크(Network) 탭을 선택합니다.
- 파일을 올리고 도구를 실행합니다.
- 보이는 요청은 도구 자체의 코드를 받아 오는 것뿐입니다. 무거운 몇몇 도구는 마찬가지로 이 사이트에서 오픈소스 엔진을, 또는 Hugging Face에서 AI 모델을 함께 받아 옵니다. 여기에 loreatec.jp로 가는 작은 방문 집계 신호 하나(페이지 주소와 제목, 그 이상은 없습니다)가 더해집니다. 어느 것도 당신의 파일을 실어 나르지 않습니다.
자주 묻는 질문
얼마나 정확한가요?
말소리가 또렷하고 한 번에 한 사람만 말하면 대부분의 단어가 맞게 나오지만, 결과는 초안으로 생각하세요. 배경 음악, 여러 사람이 동시에 말하는 경우, 강한 억양, 전문 용어, 성능이 낮은 마이크에서는 정확도가 떨어집니다. 이름, 숫자, 전문 용어를 확인하고 동영상과 맞춰 한 번 읽어 보세요. 음악이나 무음 구간에서 아무도 하지 않은 말을 쓰는 경우가 있으니 그 줄은 지우세요. 시간은 1초 미만으로 어긋날 수 있습니다.
어떤 모델을 쓰나요? 왜 다운로드가 큰가요?
OpenAI Whisper(MIT 라이선스)를 Hugging Face에 공개된 형식으로 씁니다. 브라우저가 WebGPU를 지원하면 large-v3 turbo(약 540MB)가 그래픽 칩에서 실행되고 단어마다 시간을 붙입니다. 그렇지 않으면 Whisper small(약 240MB)이 프로세서에서 실행됩니다. 더 느리고 정확도도 낮으며, 시간은 단어가 아닌 구 단위로 붙습니다. 어느 쪽이든 한 번만 내려받아 브라우저에 보관하며, 이 사이트의 로컬 AI 페이지와 같은 파일이라 두 번 내려받지 않습니다.
녹음이 업로드되나요?
아니요. 소리의 디코딩, 받아쓰기, 자막 만들기가 모두 이 브라우저 탭 안에서 이루어집니다. 내려받는 것은 모델 자체와, 일부 형식의 경우 이 사이트가 제공하는 동영상 엔진뿐입니다. 직접 확인할 수도 있어요. 모델을 불러온 뒤에는 비행기 모드에서도 계속 작동합니다.
자막 줄은 어떻게 나뉘나요?
자막 하나에 최대 두 줄, 한 줄에 약 42자(일본어·중국어는 16자, 한국어는 18자), 화면 표시는 1~7초입니다. 문장 끝, 쉬는 곳, 쉼표에서 나누고, 피할 수 있으면 관사나 전치사 뒤에서는 끊지 않습니다. 모든 자막은 고치거나, 다음 자막과 합치거나, 지울 수 있고 시간도 직접 바꿀 수 있습니다.
SRT, VTT, 아니면 동영상에 입히기?
SRT는 YouTube, Vimeo, 동영상 편집기, VLC 등 거의 모든 곳에서 쓸 수 있습니다. VTT는 웹 페이지(<track> 요소)와 일부 플랫폼의 형식입니다. 입히기는 화면에 글자를 직접 그려 넣는 방식으로, 자막 파일을 올릴 수 없는 곳에 씁니다. 동영상 전체를 브라우저에서 H.264 MP4로 다시 인코딩하므로 시간이 걸리고, 나중에 자막을 끌 수 없습니다.
시간은 얼마나 걸리나요?
컴퓨터에 따라 다릅니다. 내장 그래픽을 쓰는 일반 노트북에서는 녹음 길이의 1~1.5배, 프로세서만으로는 약 2배가 걸렸습니다. 전용 그래픽 카드가 있으면 더 빠릅니다. 녹음은 30초 구간으로 나눠 받아쓰며, 진행 막대에 지금 어느 구간인지 표시되고 언제든 멈출 수 있습니다.