따라 하기: 42초 샘플로 전사 → 자막 정리 → FCPXML 러프컷
이 글은 처음부터 끝까지 손으로 따라 하는 글이다. 내 맥에서 실제로 돌렸고, 빈 폴더에서 처음부터 한 번 더 돌려 같은 결과가 나오는 것까지 확인했다. 단, Final Cut Pro에 가져오는 마지막 단계는 직접 누르지 않았다. 이 단계는 성공 기준만 적어 둔다.
결과물은 세 가지다.
clean.srt— 한 줄 16자, 최대 2줄에 맞춰 정리한 한국어 자막clean.vtt— 웹용 자막rough.fcpxml— 남길 구간 세 개를 이어 붙인 Final Cut 타임라인
준비물과 비용
- 맥: 실측은 Apple M4, 24GB, macOS 27.0.1에서 했다. Intel 맥에서도 whisper.cpp는 돌아가지만 확인하지 않았다.
- Homebrew: brew.sh
- 디스크: 모델과 도구에 약 1.5GB
- Python 3: macOS의
/usr/bin/python3(Xcode 명령줄 도구)면 된다. 스크립트는 표준 라이브러리만 쓴다. - Final Cut Pro: 마지막 가져오기 단계에만 필요하다
- 비용: 0원. 유료 API, 구독, 업로드 없음
예상 시간은 처음이면 30~40분이다. 대부분 설치와 모델 다운로드 시간이다.
1단계: 도구 설치
brew install ffmpeg whisper-cppwhisper-cpp라는 이름은 whisper.cpp로 바뀌었다. 옛 이름으로 설치해도 경고만 뜨고 설치는 된다.
성공 확인
ffmpeg -version | head -1 # ffmpeg version 9.x ...
whisper-cli --help | head -3 # usage: whisper-cli [options] file0 file1 ...실패하면: whisper-cli를 찾을 수 없다고 나오면 brew --prefix의 bin이 PATH에 들어 있는지 확인한다. Apple silicon이면 /opt/homebrew/bin이다.
2단계: 모델 받기
mkdir -p ~/sidegig-lab/models && cd ~/sidegig-lab/models
curl -L -O https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-large-v3-turbo-q5_0.bin
curl -L -O https://huggingface.co/ggml-org/whisper-vad/resolve/main/ggml-silero-v5.1.2.bin
# 비교용(선택)
curl -L -O https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin성공 확인: ls -l 했을 때 크기가 대략 이렇게 나오면 된다. turbo-q5_0 574MB, silero 0.9MB, small 488MB. 몇 KB짜리 파일이면 다운로드가 아니라 에러 페이지를 받은 것이다.
3단계: 스크립트와 샘플 대본 받기
mkdir -p ~/sidegig-lab/work && cd ~/sidegig-lab/work
B=https://blog.shoneylife.com/downloads/side-gig
for f in make_sample.sh sample-script.tsv srt_tool.py cer.py cuts_to_fcpxml.py ocr.swift ocr_to_srt.py; do
curl -fsSLO "$B/$f"
done| 파일 | 하는 일 |
|---|---|
make_sample.sh | 대본(TSV)을 macOS 한국어 음성으로 읽어 sample.wav, sample.mp4를 만든다 |
srt_tool.py | SRT 점검(check), 용어집 치환과 줄 나눔(fix), VTT 변환(vtt) |
cer.py | 정답 대본과 SRT를 비교해 글자 오류율을 계산한다 |
cuts_to_fcpxml.py | 컷 목록 CSV를 FCPXML 1.11로 바꾼다 |
ocr.swift, ocr_to_srt.py | 하드 자막 OCR 실험용(4편) |
받은 스크립트는 실행하기 전에 한 번 열어 보길 권한다. 남이 준 스크립트는 원래 그렇게 쓰는 거다. 모두 짧다.
4단계: 샘플 만들기
왜 내 영상이 아니라 합성 샘플로 시작하냐면, 정답을 알기 때문이다. 대본을 내가 썼으니 전사 결과가 몇 글자 틀렸는지 셀 수 있다. 고객 영상으로 시작하면 "잘 된 것 같은데?"에서 멈추게 된다.
sh make_sample.sh sample-script.tsv성공 확인: sample.wav, sample.mp4 생성 (길이 42.114063초). 내 맥에서는 이렇게 나왔다. 맥의 음성 버전에 따라 길이가 조금 다를 수 있다.
실패하면: 길이가 1초도 안 되면 음성이 설치되지 않은 것이다. 나도 처음에 다른 한국어 음성(Reed, Eddy 등)으로 시도했다가 전부 0.01초짜리 빈 파일을 받았다. say -v '?' | grep ko_KR로 목록에는 보이지만 실제로는 받아져 있지 않은 음성이 많다. 시스템 설정 > 손쉬운 사용 > 읽기 및 말하기에서 '유나(향상됨)'을 내려받는다.
5단계: 전사
M=~/sidegig-lab/models
whisper-cli -m $M/ggml-large-v3-turbo-q5_0.bin -l ko -f sample.wav \
--vad -vm $M/ggml-silero-v5.1.2.bin -osrt -of raw -np
python3 -I cer.py sample-script.tsv raw.srt-l ko: 한국어로 고정한다. 자동 감지에 맡기면 짧은 파일에서 언어를 틀리게 잡을 때가 있다.--vad: 무음 구간에서 문장을 지어내지 않게 한다. VAD를 끄면 무슨 일이 생기는지는 4편에 있다.python3 -I: 현재 폴더의 파일을 파이썬 모듈로 잘못 불러오지 않게 격리 모드로 실행한다.
성공 확인: raw.srt에 자막이 7~8개 생기고, cer.py가 CER 2.0% 안팎을 출력하면 된다. 내 결과는 정답 196자, 편집거리 4, CER 2.0%였다. 틀린 4글자는 숫자 표기(2시간/두 시간 등)와 숏폼→쇼폼이다.
실패하면:
- CER이 30%를 넘으면
-l ko를 빠뜨렸는지 본다. - 너무 느리면
ggml-small.bin으로 바꾼다. 내 맥에서 여섯 번 잰 중앙값은 small 3.2초, turbo 8.0초였다. 대신 small은 틀린 글자가 더 많았다.
6단계: 자막 정리
먼저 무엇이 문제인지 본다.
python3 -I srt_tool.py check raw.srt#1 00:00:00,000 한 줄 42자 > 16자: 안녕하세요. 오늘은 퇴근하고 2시간 동안 ...
...
자막 7개, 문제 5건Whisper는 문장 단위로 끊어 주기 때문에, 넷플릭스 한국어 기준(한 줄 16자, 2줄, 라틴·숫자·공백은 0.5자)에 대부분 걸린다. 용어집을 만들고 고친다.
printf '쇼폼,숏폼\n' > glossary.csv
python3 -I srt_tool.py fix raw.srt --glossary glossary.csv -o clean.srt
python3 -I srt_tool.py check clean.srt
python3 -I srt_tool.py vtt clean.srt -o clean.vtt
python3 -I cer.py sample-script.tsv clean.srt --digits성공 확인: 자막 11개, 문제 0건, 그리고 CER 0.0%(숫자 표기 맞춤 기준).
fix가 하는 일은 이렇다.
- 용어집 치환
- 2줄에 안 들어가는 자막을 어절 단위로 나누기. 문장 끝(
.?!)에서 끊는 걸 우선한다 - 마지막 조각이 "했어요." 한 단어처럼 너무 짧으면 앞 조각에서 어절을 넘겨 균형 맞추기
- 줄바꿈 위치는 두 줄 길이가 비슷해지게 고르기
알아 둘 한계: 자막을 나눌 때 시간은 글자 수 비율로 나눈 근사치다. 말 빠르기가 고르지 않으면 자막이 소리보다 조금 먼저 뜨거나 늦게 뜰 수 있다. 정확히 하려면 whisper.cpp의 -ojf(단어 단위 JSON) 출력을 써야 한다. 다음에 고칠 목록에 올려 두었다.
용어집은 영상마다 쌓인다. 고객 이름, 제품명, 채널 고유 표현. 이 파일이 쌓이는 게 실은 부업 경쟁력이라고 본다(사견).
7단계: Final Cut Pro로 자막 가져오기 (미검증)
이 단계는 직접 실행하지 않았다. 애플 도움말 기준 절차다.
- 테스트용 새 라이브러리를 만든다. 작업 중인 라이브러리에서 실험하지 않는다
sample.mp4를 가져와 프로젝트에 올린다- 파일 > 가져오기 > 자막에서
clean.srt를 고른다
성공 기준: 타임라인 위에 자막 역할(SRT)로 11개 자막이 뜬다. 첫 자막이 0초에 시작하고, 마지막 자막이 41초 근처에서 끝난다.
실패하면: 한글이 깨지면 파일 인코딩을 의심한다(srt_tool.py는 UTF-8로 쓴다). 그래도 안 되면 Subtitle Edit 같은 자막 편집기에서 다시 저장해 본다.
8단계: 컷 목록 → FCPXML 러프컷
긴 원본에서 남길 구간만 골라 이어 붙인 타임라인을 만든다. 실전에서는 이 컷 목록을 Claude나 Codex에게 만들게 한다(6편). 여기서는 손으로 쓴다.
시간은 내 clean.srt의 자막 경계에서 가져온다. 맥마다 전사 결과의 경계가 0.0몇 초씩 다를 수 있으니 아래 숫자를 그대로 쓰지 말고 먼저 확인한다.
grep -- '-->' clean.srtcat > cuts.csv <<'EOF'
start,end,note
0,6.26,인트로 — 주제 소개
10.78,17.12,단가 이야기 (질문 컷은 뺌)
34.21,40.95,결론
EOF
python3 -I cuts_to_fcpxml.py sample.mp4 cuts.csv -o rough.fcpxml성공 확인: rough.fcpxml: 클립 3개, 총 19.37초 (원본 42.10초). 내 경계값 기준이다. 경계값이 다르면 총 길이도 조금 달라진다.
이제 이 파일이 Final Cut이 받아들이는 문법인지 확인한다. Final Cut 앱 안에는 FCPXML 문법 정의(DTD) 파일이 들어 있다. 이걸로 검사할 수 있다.
mkdir -p ~/sidegig-lab/dtd
cp "/Applications/Final Cut Pro.app/Contents/Frameworks/Interchange.framework/Versions/A/Resources/FCPXMLv1_11.dtd" ~/sidegig-lab/dtd/
xmllint --noout --dtdvalid ~/sidegig-lab/dtd/FCPXMLv1_11.dtd rough.fcpxml && echo OK성공 확인: OK. 내 맥의 Final Cut 12.4에 들어 있는 1.11과 1.14 DTD로 둘 다 통과했다(실측).
여기서 두 번 삽질했다.
- 처음에 DTD를 앱 안의 경로 그대로 넘겼더니
Could not parse DTD에러가 났다. 경로에 공백이 있어서였다. 위처럼 복사해서 쓰면 된다. - 컷 목록에 SRT 형식 시간(
00:00:06,280)을 그대로 넣었더니 CSV가 쉼표에서 열을 갈라 버렸다. 스크립트가 "구간이 원본 길이를 벗어난다"며 멈췄는데, 덕분에 이상한 파일이 만들어지지는 않았다. 초 단위(6.28)나 마침표 형식(00:00:06.280)을 쓴다.
DTD 검사를 통과했다고 Final Cut이 반드시 잘 가져온다는 보장은 없다. 문법만 맞는 것이다.
Final Cut으로 가져오기 (미검증): 테스트 라이브러리를 연 상태에서 파일 > 가져오기 > XML로 rough.fcpxml을 고른다. 성공 기준은 이렇다. "AI 러프컷" 이벤트와 프로젝트가 생기고, 타임라인 길이가 컷 목록 합계(내 경우 19.37초)와 같고, 클립 세 개 첫 프레임에 마커가 붙어 있다. 미디어가 오프라인으로 뜨면 sample.mp4를 옮기지 않았는지 확인한다. FCPXML 안에 절대 경로가 들어 있다.
같은 샘플로 비교하는 테스트 표
도구를 고를 때 남의 후기보다 이게 낫다. 같은 샘플을 각 도구에 넣고 같은 기준으로 잰다. 내가 잰 칸은 실측이고, 나머지는 비워 뒀다. 직접 채워 보면 된다.
| 도구 | CER 그대로 / 숫자 맞춤 | 무음에서 지어냄 |
|---|---|---|
| whisper.cpp small | 3.6% / 2.0% | 있음 |
| whisper.cpp turbo | 2.0% / 0.5% | 있음 |
| turbo + VAD | 2.0% / 0.5% | 없음 |
위 + srt_tool fix | – / 0.0% | – |
| Vrew 무료 | 미측정 | 미측정 |
| Premiere 체험 | 미측정 | 미측정 |
| Aiko·MacWhisper | 미측정 | 미측정 |
| Final Cut 자동 자막 | 한국어 미지원 | – |
turbo는 large-v3-turbo-q5_0 모델이다. 표에 다 못 넣은 실측값은 따로 적는다.
- 지어낸 문장: small은 "감사합니다.", turbo는 "한글자막 제공 및 자막 제공 및 광고를 포함하고 있습니다."
- 16자 기준 위반: small 9개 중 7개, turbo 8개 중 6개, turbo+VAD 7개 중 5개,
fix후 0개 - 처리 시간(모델 로딩 포함): small 2.8~9.6초, turbo 3.5~14.3초, turbo+VAD 4.7초(1회),
fix0.1초. 다른 작업이 함께 돌던 맥에서 재서 편차가 크다. 참고로만 본다
재는 방법
- 각 도구에
sample.wav(또는sample.mp4)를 넣고 SRT로 내보낸다 python3 -I cer.py sample-script.tsv 결과.srt, 그리고 같은 명령에--digits를 붙여 한 번 더python3 -I srt_tool.py check 결과.srt로 줄 기준 위반 개수를 센다- 무음 테스트: 앞뒤에 무음을 붙인 파일로 돌리고 첫 자막 앞이나 마지막 자막 뒤에 없는 말이 생겼는지 본다
ffmpeg -f lavfi -i anullsrc=r=16000:cl=mono -t 30 silence.wav
ffmpeg -f lavfi -i "anoisesrc=d=30:c=pink:r=16000:a=0.02" -ac 1 noise.wav
ffmpeg -i silence.wav -i sample.wav -i noise.wav -filter_complex "[0][1][2]concat=n=3:v=0:a=1" padded.wav- 클라우드 서비스를 쓸 때는 합성 샘플만 올린다. 고객 영상으로 비교하지 않는다
합성 샘플만으로는 부족하다. 합성 음성에서 다 0%가 나오면 비교가 안 된다. 그래서 다음 행을 하나 추가하길 권한다. 내 목소리로 1분 녹음하기. 대본을 먼저 쓰고, 그대로 읽어서 QuickTime으로 녹음한다. 대본을 sample-script.tsv와 같은 형식(화자<TAB>음성<TAB>문장)으로 저장하면 cer.py를 그대로 쓸 수 있다. 일부러 빠르게 읽고, 영어 단어와 숫자를 섞고, 끝에 웃음소리도 넣어 보자.
다음에 할 것
- 단어 단위 타임스탬프로 자막을 나누기. 지금은 글자 비율 근사치다
- 내 목소리 1분 녹음으로 표 채우기
- 실제로 Final Cut에서 SRT와 FCPXML 가져오기 확인하기. 확인하면 이 글을 고친다