영상에서 자막 추출하는 법 — 3가지 방법 비교

2026년 7월 7일 · 자막공방 가이드

해외 영상을 보다가, 강의 영상을 정리하다가, 혹은 직접 찍은 영상에 자막을 붙이려다가 "영상 속 말소리를 자막으로 바꿀 수는 없을까?"라는 생각을 해보셨을 겁니다. 결론부터 말하면 지금은 AI 음성 인식 덕분에 누구나 몇 분 만에 자막을 추출할 수 있습니다. 이 글에서는 대표적인 3가지 방법을 비교하고, 상황별로 어떤 방법이 맞는지 알려드립니다.

방법 1 — 유튜브 자동 자막 활용

영상이 유튜브에 올라가 있다면 유튜브가 자동 생성한 자막을 내려받는 방법이 있습니다. 비용이 들지 않고 간단하지만 한계가 뚜렷합니다.

• 내 컴퓨터에 있는 영상은 유튜브에 올려야만 사용할 수 있습니다 (비공개 업로드라도 업로드 자체가 필요).
• 자동 자막의 인식 정확도가 낮은 편이고, 특히 일본어·중국어 등에서 오류가 많습니다.
• 타임스탬프가 문장 단위로 깔끔하게 나뉘지 않는 경우가 많습니다.

방법 2 — PC에 음성 인식 프로그램 설치 (Whisper)

OpenAI의 Whisper 같은 음성 인식 모델을 직접 설치해 돌리는 방법입니다. 정확도는 가장 높은 축에 속하지만 진입장벽이 있습니다.

• Python 환경 구축, 모델 다운로드 등 설치 과정이 복잡합니다.
• 빠르게 처리하려면 NVIDIA GPU가 필요합니다. CPU만으로는 1시간 영상에 수 시간이 걸릴 수 있습니다.
• 대신 완전 무료이고, 인터넷 없이도 동작하며, 파일이 외부로 나가지 않습니다.

컴퓨터에 좋은 그래픽카드가 있고 대량의 영상을 정기적으로 처리한다면 고려할 만한 방법입니다.

방법 3 — 브라우저에서 바로 추출 (추천)

설치 없이 웹사이트에서 영상을 올리면 자막이 나오는 방식입니다. 자막공방이 바로 이 방식인데, 일반적인 "업로드형" 사이트와 달리 영상 파일이 서버로 전송되지 않는다는 점이 다릅니다. 브라우저 안에서 오디오만 분리한 뒤, 그 오디오를 음성 인식 AI(Whisper large-v3-turbo)에 보내 자막을 만듭니다.

• 프로그램 설치, GPU, 회원가입이 전혀 필요 없습니다.
• 1시간 영상 기준 몇 분 안에 SRT 자막이 나옵니다.
• 추출과 동시에 AI 번역까지 한 번에 처리할 수 있습니다.
• 음성 인식 API 키(Groq, 무료 티어 제공)를 한 번 발급받아야 합니다.

어떤 방법을 골라야 할까?

• 영상이 이미 유튜브에 있다 → 방법 1로 충분할 수 있음 (정확도는 낮음)
• 좋은 GPU가 있고 대량 처리가 필요하다 → 방법 2 (로컬 Whisper)
• 설치 없이 빠르고 정확하게, 가끔 필요할 때만 → 방법 3 (브라우저 도구)

추출한 자막, 그 다음은?

자막을 뽑았다면 보통 두 가지 작업이 이어집니다. 외국어 영상이라면 SRT 번역이 필요하고, 영상 플레이어에서 자막이 자동으로 뜨게 하려면 SRT 파일 규칙에 맞게 파일명을 맞춰야 합니다. 자막공방에서는 추출 → 번역 → 파일명 정리까지 한 번에 끝낼 수 있으니 메인 페이지에서 바로 시도해 보세요.