자막 추출

자막 제작의 서로 다른 출발점, OCR과 ASR

화면에 표시된 텍스트와 음성 대사는 각각 다른 근거 자료와 수정·타이밍 처리 경로가 필요합니다.

핵심 결론

• 동영상 OCR은 프레임에 이미 표시된 텍스트를 읽습니다.
• ASR은 오디오 트랙에서 음성을 인식합니다.
• 어느 방식도 타이밍 설정, 필터링 및 검토의 필요성을 없애지는 않습니다.

소스에 하드코딩 자막이나 기타 화면에 표시된 대사 텍스트가 포함되어 있다면 동영상 OCR이 유용합니다. 실용적인 파이프라인은 여러 프레임에서 텍스트 후보를 찾고, 시간에 따라 반복적으로 관찰된 내용을 그룹화하며, 장면 텍스트와 오탐을 필터링한 뒤, 남은 영역을 타이밍이 지정된 큐로 변환합니다.

ASR은 음성에서 시작합니다. 오디오가 선명하고 소스 텍스트가 없을 때 유용하지만, 분할, 화자, 멈춤, 억양, 겹쳐 말하기 및 자막 읽기 속도도 처리해야 합니다. ASR의 출력은 화면에 표시된 텍스트와 자동으로 동일하지 않습니다.

적절한 출발점은 소스에 따라 달라집니다. 정리된 자막 트랙이 가장 좋은 입력일 수 있고, 하드코딩 자막이 있다면 OCR이 직접적인 경로가 될 수 있으며, 텍스트 없는 음성에는 ASR이 필요할 수 있습니다. 제작 시스템은 이러한 경로를 명확히 구분해야 팀이 무엇을 관찰했고, 무엇을 추론했으며, 무엇을 추가로 검토해야 하는지 알 수 있습니다.

도구를 고르기 전에 근거를 선택하세요

소스에 깨끗한 자막 트랙, 화면에 입혀진 텍스트, 명확한 음성, 음악 또는 효과음, 겹쳐 말하는 화자 및 장면 텍스트가 있는지 확인합니다. 소스 상태에 따라 OCR, ASR, 제공된 파일 또는 둘 이상의 경로 중 적절한 방식을 결정합니다.

OCR은 시간에 따른 화면 텍스트를 추적합니다

신뢰할 수 있는 동영상 OCR 경로는 후보를 감지하고, 인접한 프레임의 관찰 내용을 그룹화하며, 로고와 장면 텍스트를 필터링하고, 인식 오류를 수정한 뒤 타이밍이 지정된 큐를 생성합니다. 영역과 시간 범위는 검토 및 영상 정리에 유용한 근거로 남습니다.

1. 대표 프레임에서 텍스트 후보를 감지합니다.
2. 반복적으로 관찰된 내용을 시간 기반 큐로 그룹화합니다.
3. 장면 텍스트와 오탐을 필터링합니다.
4. 표현을 수정하고 필요하면 오디오와 비교합니다.
5. 내보내기 전에 타이밍, 줄바꿈 및 읽기 속도를 검토합니다.

ASR은 화면이 아닌 음성을 추적합니다

ASR은 오디오를 사용할 수 있을 때 대사를 복원할 수 있지만, 어떤 화면 텍스트가 대사에 해당하는지는 알 수 없습니다. 화자 전환, 멈춤, 억양, 음악 및 겹치는 대사는 분할과 검토가 필요합니다.

• 오디오의 선명도와 배경 간섭을 확인합니다.
• 화자 전환과 겹쳐 말하는 부분을 표시합니다.
• 큐 길이, 멈춤 및 자막 읽기 속도를 조정합니다.
• 시리즈 기록과 이름 및 용어를 비교합니다.

두 경로를 명확히 구분하세요

OCR과 ASR은 비교하거나 함께 사용할 수 있지만, 어느 한쪽을 다른 쪽의 자동 대체 수단으로 설명해서는 안 됩니다. 각 큐를 생성한 근거와 수정한 내용을 기록합니다.

자주 묻는 질문

OCR과 ASR을 항상 함께 사용해야 하나요?

아닙니다. 소스 상태에 맞는 경로를 사용하세요. 하드코딩 자막과 선명한 음성을 교차 확인할 때 두 방식을 함께 사용하면 도움이 되지만, 대조·조정 단계가 하나 더 생깁니다.

OCR 결과는 바로 번역할 수 있나요?

대개 그렇지 않습니다. 먼저 장면 텍스트를 필터링하고, 인식 결과를 수정하며, 타이밍과 읽기 속도를 확인한 뒤 소스 버전을 확정해야 합니다.

ASR로 영상에 전혀 나타나지 않는 텍스트도 복원할 수 있나요?

사용 가능한 오디오에서 음성 대사를 복원할 수 있지만, 화면 밖의 음성, 겹쳐 말하기, 음악 및 불명확한 발음은 여전히 검토가 필요합니다.