작동 방식
- 동영상을 놓으세요. 소리는 내 컴퓨터에서 추출됩니다.
- 자막을 만드세요. 처음에는 음성 모델이 다운로드되어(빠름 약 80 MB, 정확함 250 MB) 브라우저에 저장되므로 다음부터는 바로 시작됩니다. 이후 인식은 내 프로세서에서 실행되며 오디오는 기기 밖으로 나가지 않습니다.
- 수정하세요. 시간을 클릭하면 해당 위치로 이동하고, 목록에서 텍스트를 고치거나 줄을 삭제하거나, 자막이 빠르거나 늦으면 전체를 한꺼번에 옮길 수 있습니다.
- 저장하세요. .srt 또는 .vtt 파일을 받거나, 자막을 화면에 입힌 동영상으로 저장하세요.
자막을 입힐까, 별도 파일로 둘까?
- 입히기(오픈 캡션) — 화면의 일부가 되어 Instagram, TikTok, LinkedIn, WhatsApp, 모든 TV 등 어디서나 보입니다. 소셜 영상 대부분은 소리를 끄고 보므로 소셜 미디어에서는 보통 이 방식을 씁니다. 동영상은 다시 인코딩됩니다.
- 동영상 옆의 .srt(클로즈드 캡션) — 시청자가 켜고 끌 수 있습니다. 동영상과 같은 이름으로 저장하면(
holiday.mp4+holiday.srt) VLC, Plex, Kodi와 대부분의 스마트 TV가 자동으로 인식합니다. YouTube와 Vimeo도 SRT와 VTT 업로드를 지원합니다.
얼마나 정확한가요?
조용한 곳에서 또렷하게 말한 음성이라면 Whisper는 대부분의 단어를 맞게 인식합니다. 이름, 브랜드, 전문 용어는 직접 고쳐야 할 가능성이 큽니다. 배경 음악, 여러 사람이 동시에 말하는 경우, 강한 억양은 정확도를 떨어뜨립니다. '정확함'은 더 큰 모델을 사용해 실수가 눈에 띄게 적지만 속도는 약 3분의 1입니다.
시간이 얼마나 걸리나요?
최근 몇 년 사이의 일반적인 노트북에서 '빠름' 모델은 음성을 실시간보다 약 3~4배 빠르게 처리합니다. 10분짜리 동영상이면 약 3분입니다. '정확함'은 대략 실시간 속도입니다. 오래되었거나 저전력인 컴퓨터는 더 느리며, 작업하는 동안 다른 탭을 계속 사용할 수 있습니다.
언어와 번역
Whisper는 약 100개 언어를 인식하며 언어를 스스로 감지합니다. 음성을 영어 자막으로 번역할 수도 있습니다. '영어(번역)'를 고르세요. 다른 언어로 녹화한 동영상을 영어권 시청자와 공유할 때 유용합니다.
처음부터 비공개로 설계됨
대부분의 자막 생성 서비스는 동영상을 서버에 올리고 분 단위로 요금을 받습니다. 여기서는 모델이 브라우저에서 로컬로 실행되므로 업로드도, 시간 제한도, 구독도 없습니다. 인터뷰, 사내 회의, 기밀 자료에도 쓸 수 있습니다.
자주 묻는 질문
무료인가요?
네, 분 단위 제한도 워터마크도 회원가입도 없습니다.
내 동영상이 업로드되나요?
아니요. 음성 모델만 Hugging Face에서 한 번 다운로드되며, 동영상과 오디오는 내 컴퓨터에만 있습니다.
SRT와 VTT는 무엇이 다른가요?
둘 다 일반 텍스트 자막 파일입니다. SRT는 거의 모든 플레이어와 TV가 지원하고, VTT는 HTML5 플레이어가 쓰는 웹 표준입니다. 사용하는 플랫폼이 요구하는 쪽을 받으세요.
내가 가진 SRT 파일을 불러와서 입힐 수 있나요?
네. 'SRT/VTT 가져오기'를 눌러 타이밍을 확인한 뒤 자막을 입힌 동영상으로 저장하세요.
처음 실행할 때 느린 이유는 무엇인가요?
음성 모델을 한 번 다운로드해야 하기 때문입니다(80~250 MB). 이후에는 브라우저에 저장되어 있습니다.
최종 업데이트: 30/10/2026