동영상을 텍스트로: 실제로 되는 5가지 방법 비교

지금 이 순간에도 당신의 드라이브 어딘가에는 웨비나 하나, 고객 인터뷰 하나, 혹은 사십 분짜리 강의 영상이 놓여 있습니다. 텍스트이기만 하다면 삼십 초면 다 훑을 수 있는 것들입니다. 2026년에 동영상을 텍스트로 옮기는 실제 방법 전부와, 각각의 비용, 그리고 지금 당신 앞에 놓인 그 영상에는 어느 쪽이 맞는지 정리했습니다.

이 작업이 전문가의 고된 일이기를 그만둔 지는 이미 몇 해가 지났습니다. 플랫폼 기본 기능, AI 도구, 그리고 이미 값을 치른 소프트웨어 안에 파묻힌 선택지들 사이에서, 동영상을 텍스트로 옮기는 일은 대체로 어느 문을 고르느냐의 문제입니다. 무료 복사·붙여넣기 작업이냐, 화자 라벨이 붙은 말끔한 전사본이냐, 아니면 분당 $1.50짜리 청구서냐. 이 글은 대부분의 사람이 시도해야 할 순서대로 다섯 개의 문을 하나씩 지나갑니다.

검색할 수 없는 영상은 재활용할 수 없는 영상이다

동영상은 훌륭한 기록 형식이지만 형편없는 검색 형식입니다. 고객이 왜 해지 직전까지 갔는지 설명한 그 한 문장을 찾겠다고 47분짜리 영상을 스크럽하는 사람은 없습니다. 전사본은 그 스크럽 문제를 Ctrl+F 문제로 바꿔 놓고, 사람들이 전사본을 찾아 나서는 이유의 대부분은 바로 이 하나의 변화에서 나옵니다.

콘텐츠 재활용은 콘텐츠 팀에게 가장 큰 이유입니다. 녹화된 웨비나 하나에는 블로그 글 한 편, 자막을 붙일 만한 소셜 클립 열몇 개, 이메일 한 통, 고객 사례 하나가 들어 있습니다. 단, 그 말들이 누군가 편집할 수 있는 텍스트로 존재할 때만 그렇습니다. 접근성은 그 외 모두에게 가장 큰 이유입니다. 전사본과 자막은 청각 장애가 있거나 잘 듣지 못하는 시청자에게도, 지하철에서 소리를 끄고 보는 사람에게도, 그리고 픽셀이 아니라 텍스트를 색인하는 검색 엔진에게도 영상을 쓸 수 있는 것으로 만들어 줍니다. 그리고 일상적인 더미가 있습니다. 액션 아이템을 뽑아내야 하는 녹화된 회의, 공부용 노트가 되는 강의, 인용문을 실제 발언과 대조해야 하는 인터뷰.

이 각각의 작업은 견딜 수 있는 오류 수준도, 지불할 만한 가격도 서로 다릅니다. 공부용 정리본은 몇 단어쯤 뭉개져도 살아남습니다. 발행된 기사 속 인용문은 그럴 수 없습니다. "동영상을 텍스트로 옮기는 가장 좋은 방법은?"이라는 질문에 답이 하나가 아니라 다섯인 이유입니다.

동영상에서 말을 꺼내는 다섯 가지 방법

아래 방법은 모두 실재하며 매일 쓰이고 있습니다. 먼저 비교표, 그다음 세부 사항입니다.

방법 1: 이미 YouTube에 있는 것이라면, YouTube 기본 전사본

영상이 YouTube에 있다면 — 당신 것이든 누구 것이든 — 전사본은 이미 존재할 가능성이 매우 큽니다. YouTube가 대부분의 업로드에 자동 자막을 생성하고, 그것으로 전사본 화면을 만들어 주기 때문입니다. 설명란에서 한 번만 더 클릭하면 나오는 텍스트를 위해 구독료를 내는 사람들도 있습니다.

YouTube 영상의 전사본을 얻는 방법

1. 데스크톱에서 영상을 열고 설명란 끝의 ...more("...더보기")를 클릭해 펼칩니다. 모바일에서는 설명란을 탭하면 같은 방식으로 펼쳐집니다.
2. Show transcript("스크립트 표시")를 클릭합니다. 플레이어 옆에 패널이 열리고, 모든 줄에 타임스탬프가 붙어 있으며, 영상 재생에 맞춰 함께 스크롤됩니다.
3. 순수한 텍스트만 원하나요? 패널 안의 점 세 개 메뉴를 클릭한 뒤 Toggle timestamps("타임스탬프 전환")를 선택해 타임코드를 숨깁니다.
4. 패널 안을 클릭하고 Ctrl+A(Mac에서는 Cmd+A)로 전체를 선택해 복사한 다음, 문서에 붙여 넣습니다.

이제 깨알 같은 조건들입니다. 제작자가 제대로 된 자막을 올렸다면 품질은 훌륭할 수 있습니다. YouTube가 자동으로 만든 것이라면 얄팍한 문장 부호, 뭉개진 이름, 그리고 음악이나 말 겹침이 나오는 곳마다 등장하는 자신만만한 헛소리를 각오하세요. 화자 라벨은 아예 없고, 자막이 생성된 적이 없거나 비활성화되어 전사본 자체가 없는 영상도 일부 있습니다.

YouTube 영상을 전사해야 할 때의 무료 첫 관문으로 여기세요. 인용문 하나 뽑기, 강연 훑어보기, 요약 도구에 넣기에는 더할 나위 없습니다. 화자 라벨이나 깔끔한 문장 부호가 필요해지는 순간, 또는 YouTube에 없는 영상을 다뤄야 하는 순간, 이 방법은 졸업입니다. 나머지 네 가지 방법이 바로 그때를 위한 것입니다.

간단한 팁: 검색만 하려는 것이라면 아무것도 복사할 필요가 없습니다. 전사본 패널을 열고 브라우저의 찾기 기능(Ctrl+F / Cmd+F)으로 원하는 표현으로 바로 건너뛰세요. 전사본의 아무 줄이나 클릭하면 영상이 정확히 그 순간으로 이동합니다. 한 시간짜리 강연 안에서 인용문을 확인하는 가장 빠른 방법입니다.

방법 2: AI 전사 도구에 파일을 업로드하기

자기 컴퓨터에 있는 동영상 파일에는 이것이 주력 방법입니다. 웨비나 플랫폼에서 받은 MP4, 화면 녹화, 카메라에서 꺼낸 인터뷰 영상 같은 것들 말입니다. 전문 AI 전사 서비스는 업로드한 파일을 받아 오디오 트랙에 음성 인식을 돌리고, 편집 가능한 전사본을 돌려줍니다. 대개 화자 라벨, 타임스탬프, 그리고 무료 경로에는 없는 내보내기 옵션까지 함께 나옵니다.

AI 전사 도구로 동영상을 전사하는 방법

1. 도구를 하나 고르고 업로드 한도와 지원 형식을 확인합니다. MP4, MOV 같은 동영상 파일을 그대로 받는 곳이 많고, 오디오만 받는 곳도 있는데 그건 다음 절에서 명령어 한 줄로 해결됩니다.
2. 파일을 업로드하고, 도구가 자동으로 감지하지 못하면 말하는 언어를 지정합니다.
3. 영상에 목소리가 둘 이상이라면 화자 라벨을 켭니다.
4. 처리가 끝날 때까지 기다립니다. 보통 재생 시간의 일부밖에 걸리지 않습니다. 몇 시간이 아니라 몇 분입니다.
5. 초안을 훑어보며 이름과 전문 용어를 고친 뒤, 문서로 쓸 것이라면 TXT나 DOCX로, 자막을 원한다면 SRT/VTT로 내보냅니다.

비용은 두 가지 형태로 옵니다. 대략 분당 $0.10에서 $0.50인 종량제, 또는 일정한 분량이 포함된 구독제인데 자주 쓰는 사람에게는 후자가 유리합니다. 대부분의 도구는 실제 영상으로 시험해 볼 만큼 넉넉한 무료 등급을 제공합니다. 그리고 원본이 동영상이든 음성 녹음기든 작동 방식은 똑같기 때문에, 무료 도구들의 지형과 그 한계는 오디오를 텍스트로 전사하는 방법 가이드에서 다뤘고 여기서 되풀이하지 않겠습니다.

방법 3: 편집 소프트웨어 안에 숨어 있는 전사 기능

이미 그 영상을 편집하고 있다면 다른 도구가 아예 필요 없을지도 모릅니다. 전사는 어느새 영상 편집기의 기본 기능이 되었습니다. Premiere Pro의 Speech to Text(음성을 텍스트로)는 시퀀스 전체를 약 18개 언어로 전사하며, 구독료 외에 추가 비용이 없고 화자 감지와 원클릭 자막 생성까지 제공합니다. DaVinci Resolve는 유료 Studio 에디션에서 오디오로부터 자막을 만들 수 있습니다. Final Cut Pro는 서버를 전혀 거치지 않고 대사를 자막으로 바꾸는 기기 내 전사 기능을 추가했습니다. CapCut은 짧은 영상을 정조준한 자동 자막을 생성합니다.

한 발 더 나가는 두 번째 부류도 있습니다. 전사본을 중심에 둔 편집기인데, 가장 널리 알려진 예가 Descript입니다. 가져오기 시점에 영상을 전사한 뒤, 텍스트를 편집해서 영상을 편집하게 해 줍니다. 전사본에서 문장 하나를 지우면 타임라인의 해당 클립이 사라지는 식입니다. 러프컷 속에서 사는 팟캐스터와 강의 제작자에게 이 역전은 정말로 쓸모가 있고, 전사본은 편집의 부산물로 공짜로 굴러 나옵니다.

문제는 용도입니다. 편집기의 전사는 자막 붙이기와 컷 편집을 위해 만들어졌지, 독립된 문서를 만들기 위한 것이 아닙니다. 프로젝트 파일을 평생 열어 볼 일 없는 사람에게 깔끔하고 라벨이 붙은 전사본을 내보내는 일은 가능하지만 어설픕니다. 전사본이 편집에 봉사할 때 이 방법을 쓰세요. 전사본 자체가 결과물이라면 방법 2가 마찰이 훨씬 적습니다.

방법 4: 녹화된 통화라면 회의 플랫폼에 맡기기

"이 영상을 어떻게 전사하지?"라는 질문의 상당수는 알고 보면 아주 특정한 한 종류의 영상, 즉 녹화된 통화에 관한 것입니다. 영상이 Zoom, Google Meet, Microsoft Teams에서 나온 것이라면 어딘가에 업로드하기 전에 먼저 플랫폼을 확인하세요. 세 곳 모두 대부분의 유료 요금제에서 녹화된 회의의 전사본을 생성하며, 화자 이름은 목소리로 추측하는 대신 계정에서 가져옵니다. 업로드 기반 도구로는 따라갈 수 없는 부분입니다.

플랫폼마다 고유한 설정 스위치와 저장 방식의 별난 점, 언어 제한이 있고, 특히 Zoom은 2026년에 전사본이 작동하는 방식을 재편했습니다. Zoom 전사 가이드에서 파일이 어디에 있는지, 없을 때는 어떻게 해결하는지 다뤘습니다. 전사할 것의 대부분이 회의라면, 모든 통화를 자동으로 담아 전사하고 요약해 주는 전용 어시스턴트가 녹화본을 하나씩 전사하는 것보다 낫습니다. 선택지는 2026년 최고의 AI 회의록 도구 정리에서 순위를 매겨 두었습니다.

방법 5: 걸린 것이 큰 영상이라면, 사람이 하는 전사

전문적인 사람 전사는 오디오 분당 $1에서 $3이고, 몇 분이 아니라 몇 시간에서 며칠이 걸립니다. 손해 보는 거래처럼 들리지만, 그것이 무엇을 위한 것인지 보면 이야기가 달라집니다. 사람 전사자는 AI 모델이라면 울어 버릴 오디오 — 강한 억양, 네 사람이 서로 말을 자르는 상황, 법정 녹음, 임상 용어 — 에서도 약 99%의 정확도를 내놓고, 서식 요구 사항도 따릅니다. 축어 전사인지 정제 축어 전사인지, 특정한 화자 표기 관행, 필요한 경우 인증이 붙은 결과물까지 말입니다.

증언 녹취, 진료 기록, 출판을 앞둔 연구 인터뷰. 전사 오류가 법적이거나 금전적인 결과로 이어지는 상황에서 영상 한 시간당 $90–$180은 값싼 보험입니다. 청구서를 낮추는 흔한 혼합 방식도 있습니다. 먼저 AI를 돌리고, 정말 중요한 녹음만 골라 사람 검수 비용을 내는 것입니다.

때로는 오디오를 먼저 뽑아내는 것이 현명하다

위의 모든 방법에 담긴, 조금은 마음이 놓이는 비밀이 있습니다. 그중 무엇도 당신의 픽셀을 들여다보지 않는다는 것입니다. 전사는 오디오 트랙 위에서 일어납니다, 그게 전부입니다. 그래서 도구가 오디오 파일만 받을 때, 업로드 한도가 2 GB짜리 화면 녹화를 거절할 때, 또는 호텔 Wi-Fi에서는 2,000 MB보다 40 MB가 훨씬 나은 생각일 때, 오디오를 먼저 뽑아 두는 것이 유용한 요령이 됩니다.

ffmpeg(무료, 오픈 소스)를 설치할 수 있다면 터미널에서 한 줄이면 됩니다.

ffmpeg -i interview.mp4 -vn -q:a 2 interview.mp3

이 명령은 동영상을 읽고, 화면을 버리고(-vn은 영상 없음이라는 뜻입니다), 사운드트랙을 고음질 MP3로 씁니다. 한 시간짜리 영상이 엔진이 신경 쓰는 것은 전부 그대로 담은 채 크기는 몇 분의 일인 파일이 됩니다. 터미널은 무리인가요? VLC와 무료 오디오 편집기도 변환 메뉴를 통해 동영상의 오디오 트랙을 내보낼 수 있습니다.

이것은 회의급 도구로 건너가는 가장 깔끔한 다리이기도 합니다. Laxis — 저희의 AI 회의 어시스턴트 — 는 웹 앱의 Upload Audio(오디오 업로드) 버튼으로 MP3, WAV, M4A 형식의 업로드 녹음을 받아, 그 파일을 실시간 회의와 똑같이 다룹니다. 전사본, AI 요약, 그리고 뽑아낸 액션 아이템까지. 매달 300분의 무료 전사 분량이 포함되고 100+ 언어를 지원합니다. 오디오를 뽑아 업로드하면, 한 시간짜리 영상이 커피를 한 잔 더 채우는 정도의 시간 안에 검색 가능한 업무 노트로 바뀝니다.

자막과 전사본은 서로 다른 결과물이다

내보내기 단계에서 사람들을 걸려 넘어지게 하는 결정이 하나 있습니다. 원하는 것이 전사본인가, 자막인가? 전사본은 말해진 모든 것을 읽을 수 있게 정리한 문서입니다. 문단이 있고, 화자 이름이 있고, 인용하고 검색할 수 있습니다. SRT와 VTT 같은 자막 파일은 같은 말을 짧고 정밀하게 타이밍이 맞춰진 조각으로 잘라, 플레이어가 영상에 맞춰 화면에 띄울 수 있게 합니다. 이 형식들의 자세한 작동 방식은 전사본이란 무엇인가 가이드에 정리해 두었습니다.

실용적인 규칙은 이렇습니다. 사람이 읽을 것이라면 전사본을, 영상 플레이어가 표시할 것이라면 SRT나 VTT를 받으세요. 좋은 도구는 같은 작업에서 둘 다 내보내 주므로, 이것은 갈림길이 아니라 체크박스에 가깝습니다. 다만 타임스탬프로 뒤덮인 SRT 파일에서 누군가의 말을 인용해 보려고 한 번만 시도해 보면, 다시는 둘을 헷갈리지 않게 됩니다.

어느 정도의 정확도를 기대할지, 그리고 그것을 고치는 십 분짜리 마무리

요즘 AI 전사는 깨끗한 오디오 — 한 번에 한 사람만 말하고, 마이크가 쓸 만하고, 배경 소음이 적은 — 에서 95–98%의 정확도에 도달합니다. 문제는 동영상의 오디오가 자주 깨끗하지 않다는 것입니다. 내레이션 밑에 깔린 음악, 회의실 카메라에서 오는 울림, 세 명의 패널이 서로 말을 겹치는 상황, 연단 마이크에서 멀어지는 강연자. 하나하나가 정확도를 끌어내리고, 때로는 홍보 문구의 수치보다 한참 아래로 떨어뜨립니다. 더 깊은 작동 원리와 오류율이 실제로 무엇을 뜻하는지는 전사가 어떻게 작동하고 얼마나 드는지 설명 글에서 제대로 다뤘습니다.

이 글에서의 실질적인 조언은 더 단순합니다. 정확도가 97%라 해도 15분짜리 영상에서 약 27개 단어가 틀린다는 뜻이고, 그것들은 하필 가장 아픈 곳 — 이름, 제품 용어, 숫자, 약어 — 에 몰립니다. 그러니 짧은 마무리 시간을 잡아 두고, 다음 순서로 진행하세요.

1. 고유명사부터 고치세요. 모델은 평범한 단어는 맞히고 전문적인 단어는 틀립니다. 뭉개진 이름이나 제품 용어는 찾아 바꾸기로 한 번에 전부 고치면 됩니다.
2. 모든 숫자를 확인하세요. "열다섯"과 "쉰"의 거리는 나쁜 마이크 하나 차이이고, 틀린 숫자는 빠진 숫자보다 나쁩니다.
3. 경계에서 화자 라벨을 검증하세요. 화자 분리는 사람들이 서로 말을 자를 때 미끄러집니다. 라벨이 바뀌는 지점을 표본으로 점검하세요.
4. 표시된 곳만 다시 들으세요. 많은 도구가 확신도가 낮은 단어를 표시해 줍니다. 영상 전체를 다시 보는 대신 그 타임스탬프를 클릭하세요.

간단한 팁: 같은 화자나 같은 주제를 반복해서 전사할 예정이라면, 사용자 사전을 지원하는 도구를 골라 첫 작업 전에 제품명, 약어, 팀 이름을 넣어 두세요. 모델에게 스무 단어를 한 번 가르치는 편이, 앞으로 모든 전사본에서 같은 스무 단어를 영원히 고치는 것보다 낫습니다.

그 "동영상 전사본 생성기"들에 대하여

동영상 전사를 검색하면 스스로를 동영상 전사본 생성기라고 부르는 사이트의 벽에 부딪히게 됩니다. 영상 URL을 붙여 넣거나 파일을 끌어다 놓으면 전사본을 돌려준다는 것들입니다. 이 이름 뒤에는 아주 다른 두 가지 구조가 있고, 자기가 어느 쪽을 쓰고 있는지 알면 무엇을 기대해야 할지도 알게 됩니다.

이런 도구 중 일부는 자막 수거꾼입니다. YouTube 링크를 주면 플랫폼에 이미 있는 자막 트랙을 끌어와서 — 방법 1과 같은 텍스트입니다 — 서식만 다시 잡아 줍니다. 그래서 즉시 나오고, 그래서 그 결과물은 YouTube 자체 전사본과 똑같은 오류를 그대로 갖고 있습니다. 다른 일부는 진짜 전사 엔진으로, 미디어를 내려받거나 읽어 들여 음성 인식을 돌립니다. 몇 분이 걸리고, 방법 2와 같은 품질(과 한계)을 냅니다. 그중 상당수는 정당하고 편리합니다. 일부는 맛보기만 보여 준 뒤, 처리를 다 기다린 다음에야 내보내기를 결제 장벽 뒤로 감추는 리드 수집용 함정입니다.

URL을 붙여 넣거나 고객의 영상을 올리기 전에 확인할 만한 네 가지가 있습니다.

• 파일은 어디로 가나요? 보관과 삭제에 대해 쉬운 말로 쓰인 문장을 찾아보세요. 사내 전사 회의 영상이 정체 모를 서버에 무기한 남아 있어서는 안 됩니다.
• 전사하는 건가요, 자막을 가져오는 건가요? "생성기"가 YouTube 링크에서만 작동하고 즉시 결과를 내놓는다면, 그건 가져오는 것입니다. 공개 강연에는 괜찮고, 당신의 파일에는 쓸모없습니다.
• 정확히 무엇이 무료인가요? 한 시간짜리 영상을 올리기 전에 길이 제한과 내보내기에 돈이 드는지를 확인하세요.
• 화자에 라벨을 붙여 주나요? URL 기반 생성기 상당수는 붙이지 않습니다. 패널 토론이나 팟캐스트라면 그 누락이 도구가 아껴 준 시간보다 더 많은 시간을 잡아먹습니다.

알아 둘 것: URL 기반 생성기는 공개된 영상, 그리고 당신에게 전사할 권한이 있는 영상에만 쓰세요. 사적이거나 기밀이거나 고객 소유인 것이라면, 사십 초 전에 찾아낸 사이트에 영상을 넘기는 대신 개인정보 처리방침과 보관 정책이 명시된 도구에 직접 올리거나, 아예 편집 소프트웨어 안에서 전부 로컬로 처리하세요.

녹음을 자동으로 검색 가능한 노트로

Laxis는 업로드한 녹음과 Zoom, Google Meet, Teams의 실시간 회의를 전사하고, 이어서 요약을 쓰고 액션 아이템을 뽑아 줍니다. 매달 300분 무료.

Laxis 무료로 사용해 보기

결론

2026년에 동영상을 텍스트로 옮기는 일은 기술 문제가 아니라 경로 선택 문제입니다. 이미 YouTube에 있나요? 전사본은 설명란에서 한 번 더 클릭한 자리에 있습니다. 내 파일인가요? AI 도구가 푼돈으로 몇 분 만에 95–98%의 정확도를 돌려줍니다. 편집 중인가요? 당신의 편집기가 아마 전사해 줍니다. 녹화된 통화인가요? 회의 플랫폼이 — 또는 그 자리에서 듣고 있던 회의 어시스턴트가 — 이미 갖고 있습니다. 걸린 것이 소송 단위인가요? 사람에게 분당 $1–$3을 지불하고 편히 주무세요.

검색할 수 없는 영상의 진짜 비용은 내지 않은 전사 요금이 아닙니다. 찾지 못한 모든 인용문, 자막이 붙지 않은 모든 클립, 그리고 실제로 무슨 말이 오갔는지 아무도 확인할 수 없어서 다시 논쟁하게 된 모든 결정입니다. 그 말들은 이미 영상 안에 있습니다. 가서 꺼내 오세요.

자주 묻는 질문

동영상을 무료로 텍스트로 옮기려면 어떻게 하나요?

영상이 YouTube에 있다면 설명란을 펼치고 Show transcript를 클릭한 뒤 텍스트를 복사하면 비용이 들지 않습니다. 기기에 있는 파일이라면 AI 전사 도구의 무료 등급이 매달 정해진 분량을 감당해 줍니다. 예를 들어 Laxis에는 매달 300분의 무료 전사 분량이 포함됩니다. 그 뒤에 이름과 문장 부호를 정리할 몇 분을 잡아 두세요.

다른 도구 없이 YouTube 영상의 전사본을 얻을 수 있나요?

네. 시청 페이지에서 설명란을 펼치고 Show transcript를 클릭하면 플레이어 옆에 타임스탬프가 붙은 패널이 열립니다. 전체 선택 후 복사하면 텍스트를 가져올 수 있습니다. 자막이 있는 곳이라면 어디서나 되지만 화자 라벨이 없고, 자동 생성 자막은 이름과 전문 용어, 겹치는 말을 뭉개 놓습니다. 더 깔끔한 결과가 필요하다면 영상을 전사 도구에 한 번 돌리세요.

동영상 전사본 생성기는 실제로 무엇을 하나요?

동영상 전사본 생성기는 업로드된 파일이나 붙여 넣은 영상 URL을 받아 말해진 내용을 텍스트로 돌려줍니다. 어떤 것은 실제로 오디오에 음성 인식을 돌리고, 어떤 것은 플랫폼에 이미 있는 자막을 가져와 서식만 다시 잡습니다. 믿고 쓰기 전에 어느 쪽인지, 파일을 얼마나 오래 보관하는지, 내보내기가 결제 장벽 뒤에 있는지 확인하세요.

동영상 하나를 전사하는 데 얼마나 걸리나요?

AI 전사는 재생 시간의 일부만 쓰며, 한 시간짜리 영상은 보통 몇 분이면 처리됩니다. 전문적인 사람 서비스는 지불하는 납기 등급에 따라 몇 시간에서 며칠 안에 납품하고, 급행 옵션은 더 비쌉니다. 직접 타이핑하는 것은 가장 느린 길입니다. 영상 한 시간당 대략 네 시간의 작업을 예상하세요.

전사하기 전에 동영상에서 오디오를 뽑아내야 하나요?

대개는 아닙니다. 대부분의 전사 도구와 편집기는 흔한 동영상 형식을 그대로 받습니다. 어차피 오디오 트랙만 읽기 때문입니다. 오디오를 먼저 뽑는 것이 도움이 되는 때는 도구가 오디오만 받을 때, 업로드 제한이 큰 영상을 거절할 때, 또는 옮기기 쉬운 작은 파일을 원할 때입니다. ffmpeg 명령 한 줄이면 몇 초 만에 뽑아냅니다.

화자가 여러 명인 동영상은 어떻게 전사하나요?

화자 분리를 지원하는 도구를 쓰세요. 각 목소리를 나누고 라벨을 붙여 줍니다. 유료 AI 전사 서비스와 회의 어시스턴트 대부분이 이 기능을 갖추고 있습니다. 사람들이 말을 겹칠 때 라벨이 미끄러지므로, 화자가 바뀌는 지점에서 전사본을 표본 점검하세요. 녹화된 통화라면 회의 플랫폼 자체의 전사본을 우선하세요. 목소리로 추측하는 대신 계정에서 화자 이름을 가져옵니다.