1. 먼저 어떤 엔진이 사용됐는지 확인합니다
브라우저 환경에 따라 기기 내 SpeechRecognition 또는 로컬 Whisper 계열 모델이 사용될 수 있습니다. 모델 준비·다운로드가 필요한 경로는 첫 실행 시간이 길어질 수 있으므로 Background Task의 상태를 먼저 확인하세요.
2. 음악과 효과음이 강한 영상은 hallucination을 의심합니다
ASR 모델은 실제 말이 거의 없는 구간에서도 언어처럼 보이는 텍스트를 만들어낼 수 있습니다. 예고편, 뮤직비디오, 게임 영상처럼 전체 파형 에너지가 높은 콘텐츠는 단순 VAD만으로 음성과 음악을 완전히 구분하기 어렵습니다. 갑자기 다른 언어가 길게 나오거나 문맥과 무관한 고유명사가 반복되면 실제 대사를 다시 들어보세요.
의심 신호
한국어 대화 중 갑자기 긴 영어·독일어 문장이 등장함 / 같은 짧은 구절이 여러 번 반복됨 / 무음에 가까운 화면에서 완성된 문장이 생성됨.
3. 같은 시간에 여러 cue가 겹치지 않는지 봅니다
긴 인식 결과를 여러 자막으로 분할할 때 timestamp를 함께 나누지 않으면 여러 문장이 같은 시간에 포개질 수 있습니다. No Limit v0.52 이후 자동자막 후처리는 같은 SRT 레인의 overlap을 보정하지만, 최종 전달 전 Timeline에서 한 번 더 확인하는 편이 좋습니다.
4. 고유명사는 사람이 가장 잘 고칩니다
작품명, 인물명, 브랜드, 지명은 문맥 없이 음성만 듣는 모델이 틀리기 쉽습니다. 일반 단어보다 우선순위를 높여 검수하고, 영상 안의 자막·로고·설명란에 정확한 표기가 있다면 그 표기를 기준으로 통일하세요.
5. 자동자막을 완성하는 실제 순서
- 영상/오디오를 Timeline에 추가합니다.
- 자동자막을 실행하고 모델 준비와 인식 진행률을 확인합니다.
- SRT 레인 전체에서 overlap·비정상적으로 긴 cue·반복을 찾습니다.
- Preview로 대사를 들으며 고유명사와 문장 경계를 고칩니다.
- SRT만 저장하거나 영상과 함께 저장한 뒤 외부 플레이어에서도 확인합니다.