맥에서 자막 추출 자동화하는 법 (2026): AI 에이전트, 감시 폴더, 로컬 파이프라인

요약: 자막 추출을 얼마나 자동화할 수 있는지는 세 가지 자막 유형 중 어느 것을 가지고 있느냐에 달려 있습니다. MKV/MP4 파일 안의 켜고 끌 수 있는 자막 트랙은 ffmpeg 명령 하나 — 완전히 스크립트로 처리 가능합니다. 자막이 아예 없는 영상은 음성 인식으로 처리합니다: Whisper를 명령줄에서 로컬로 실행하거나, GeekLink의 감시 폴더가 폴더에 넣은 모든 영상을 파일마다 클릭할 필요 없이 자동 전사·번역합니다. 하드섭(픽셀에 구워진 텍스트)이 스크립트로 다루기 어려운 단계입니다 — macOS에서 이를 위한 성숙하고 유지관리되는 오픈소스 OCR 파이프라인이 없기 때문입니다 — 여기서 GeekLink의 배치 OCR(실행당 50개 이상 영상, 완전 로컬)이 그 공백을 메웁니다. 모든 경로는 표준 SRT를 출력하며, 이는 하위의 어떤 스크립트, 편집기, AI 에이전트도 소비할 수 있는 보편적 인터페이스입니다.

2026년에 사람들이 자막 추출을 자동화하는 이유는 무엇인가요?

자막 추출은 예전엔 일회성 작업이었습니다: 앱을 열고, 영상을 불러오고, 클릭해서 진행. 2026년에는 점점 더 큰 워크플로 안의 한 단계가 되고 있습니다. 크리에이터는 전체 백카탈로그를 새 언어로 재활용합니다. 언어 학습자는 subs2srs 같은 문장 마이닝 도구에 입력합니다. 팀은 AI 코딩 에이전트 — Claude Code 등 — 를 엮어 영상 파이프라인을 처음부터 끝까지 조율합니다: 다운로드, 자막 추출, 번역, 검수, 게시.

자막 추출이 일회성 작업이 아니라 파이프라인의 한 단계가 되는 순간, 질문이 바뀝니다: 감시 없이 실행될 수 있는가, 배치로 실행될 수 있는가, 스크립트나 AI 에이전트가 이를 트리거하고 결과를 받아갈 수 있는가? 이 가이드는 각 자막 유형에 대해 이 세 질문에 솔직하게 답합니다 — 답이 "스크립트만으로는 안 된다"인 부분까지 포함해서요.

아래 모든 것을 관통하는 제약이 하나 있습니다: 파이프라인은 로컬에 머뭅니다. 클라우드 자막 API도 있지만, 몇 시간 분량의 영상을 처리하는 크리에이터에게 이들은 분 단위로 과금하고 소스 영상 업로드를 요구합니다 — 미공개 자료나 클라이언트 자료에는 시작조차 안 되는 조건이죠. 이 가이드의 모든 것은 당신의 맥에서 실행되며, 영상은 절대 업로드되지 않습니다.

어떤 자막 유형을 자동으로 추출할 수 있나요?

모든 영상은 세 경우 중 하나에 해당하고, 각 경우는 완전히 다른 자동화 이야기를 가집니다:

켜고 끌 수 있는 자막(임베디드 트랙) — 컨테이너 안의 별도 텍스트 트랙(MKV, 일부 MP4에서 흔함). 텍스트가 이미 데이터로 존재합니다. 추출이 사소하고 100% 스크립트로 처리 가능합니다.
자막 없음 — 영상에 오디오만 있음. 음성 인식이 필요합니다. 로컬에서 매우 자동화하기 좋지만 품질 유의점이 있습니다.
하드섭(하드코딩됨) — 텍스트가 화면의 일부이며, 애니메이션 립, 중국·한국 예능, 틱톡/릴스 재게시물, 오래된 방송 영상에서 흔합니다. 원본 텍스트 데이터는 사라졌으니, 영상 프레임에 대한 OCR이 필요합니다. 이것이 직접 스크립트로 다루기 어려운 단계입니다.

유용한 경험칙: 플레이어에서 자막을 끌 수 있다면 명령 하나로 추출되고, 말소리는 들리는데 자막이 안 보이면 로컬 음성 인식이 처리하고, 자막이 이미지의 일부라면 전용 OCR 도구가 필요합니다. 어느 경우인지 확실치 않다면, 임베디드 자막과 하드섭 비교 가이드가 10초 만에 구별하는 법을 보여줍니다.

켜고 끌 수 있는 자막 트랙을 어떻게 자동으로 추출하나요?

이건 쉬운 경우이고, 특별한 도구가 전혀 필요 없습니다. ffmpeg(무료, Homebrew로 설치 가능)가 명령 하나로 자막 트랙을 추출합니다:

ffmpeg -i input.mkv -map 0:s:0 output.srt

이 명령은 첫 번째 자막 스트림(0:s:0)을 가져와 SRT로 기록합니다. 셸 루프로 감싸면 폴더 전체에 대한 배치 추출이 됩니다. 어떤 AI 코딩 에이전트도 이를 대신 작성하고 실행할 수 있습니다 — 켜고 끌 수 있는 자막 트랙 추출은 이미 해결된, 완전히 스크립트로 처리 가능한 문제이며 유료 소프트웨어가 필요 없습니다.

알아둘 만한 유의점 둘. 첫째, DVD와 블루레이 자막 트랙(VobSub/PGS)은 텍스트가 아니라 이미지로 저장됩니다 — -map만으로는 이를 SRT로 변환할 수 없고, 이들도 OCR이 필요합니다. 둘째, 많은 파일이 여러 언어의 여러 트랙을 가지므로, 인덱스를 고르기 전에 ffprobe로 먼저 목록을 확인하세요. MKV와 MP4 가이드에서 세부 내용을 다룹니다.

맥에서 음성-자막 전사를 어떻게 자동화하나요?

자막 데이터가 전혀 없을 때는 음성 인식이 이를 생성합니다. 맥에는 두 가지 로컬 자동화 경로가 있습니다.

경로 1: Whisper를 직접 스크립트로

OpenAI의 Whisper는 오픈소스이고 명령줄에서 실행됩니다: whisper video.mp4 --model small --output_format srt. 정말로 스크립트로 처리 가능하고, 이미 AI 에이전트로 맥을 다루고 있다면 폴더 안의 영상들에 Whisper를 조율하게 하는 것이 됩니다. 빈틈은 전사 이후에 드러납니다: 원시 Whisper 출력에는 번역 단계가 없고, 결과를 영상과 대조해 시각적으로 확인할 방법이 없으며, 전부 다 보지 않고는 어느 줄이 틀렸는지 알 방법이 없습니다.

경로 2: 감시 폴더 자동화(스크립트 없음)

GeekLink의 감시 폴더 기능은 같은 자동화의 노코드 버전입니다. GeekLink를 폴더 하나에 한 번 지정하고, 인식·번역 설정을 고르면, 이후 그 폴더에 넣은 모든 영상이 자동으로 가져와지고, 전사되고, 번역됩니다 — 파일마다 클릭할 필요도, 유지관리할 스크립트도 없습니다. 다운로더, AI 에이전트, 또는 사람이 폴더에 넣어 주면 앱이 나머지를 합니다.

이것이 자동화에 중요한 이유는 감시 폴더 자체가 통합 지점이기 때문입니다. 파일을 옮길 수 있는 것 무엇이든 — yt-dlp 스크립트, Hazel 규칙, 에이전트, 네트워크 공유 — GeekLink가 API를 노출하지 않고도 처리를 트리거할 수 있습니다. 인식은 Whisper를 통해 49개 언어를, 번역은 당신이 고른 모델(Claude 3.5 Haiku, GPT-4o, GPT-4o mini, DeepSeek)로 40개 이상의 언어를 다루므로, 폴더가 단순 전사가 아니라 이중 언어 자막을 출력할 수 있습니다.

하드섭 추출이 자동화하기 가장 어려운 단계인 이유는 무엇인가요?

이 가이드의 솔직한 부분입니다. 영상에 자막이 픽셀에 구워져 있다면, 다른 모든 곳에서 통하는 "그냥 스크립트로 해" 접근이 무너집니다. 2026년 현재, macOS에서 하드섭을 타이밍이 있는 SRT로 안정적으로 바꿔 주는 성숙하고 유지관리되는 오픈소스 파이프라인은 없습니다 — 이 분야의 오픈소스 OCR 프로젝트는 Windows 중심이거나, GPU 의존적이거나, 유지관리가 중단되었습니다. (전체 지형은 하드섭 추출기 총정리에서 비교합니다.)

주말 스크립트로 할 수 없는 이유: 영상 OCR은 "스크린샷 더하기 텍스트 인식"이 아닙니다. 초당 한 프레임을 샘플링해 OCR하는 순진한 스크립트는 네 개의 벽에 동시에 부딪힙니다:

타이밍 정밀도. 매초 샘플링하면 자막 시작·종료 시각이 줄당 최대 1초까지 어긋날 수 있습니다 — 말소리와 대조하면 즉시 티가 납니다.
중복 제거. 3초 동안 화면에 머무는 자막은 수십 개의 샘플 프레임에 나타나고, 각각 조금씩 다르게 OCR됩니다. 이를 정확한 지속 시간을 가진 하나의 깔끔한 줄로 병합하는 것이 진짜 어려운 문제입니다.
자막 vs 나머지 전부. 워터마크, 채널 로고, 화면 그래픽, 가사가 모두 OCR 엔진에는 텍스트처럼 보입니다. 진짜 자막이 어디 있는지 모르면 출력이 쓰레기 줄로 가득 찹니다.
CJK 정확도. 중국어, 일본어, 한국어 자막 — 가장 자주 하드섭으로 구워지는 언어들 — 이 바로 범용 OCR 정확도가 가장 크게 떨어지는 지점입니다.

GeekLink의 배치 OCR은 그 네 개의 벽을 중심으로 만들어졌습니다. 첫 영상에서 자막 영역 주위로 박스를 그리면 — 자막이 어디 있고 무엇을 무시할지 엔진에 알려주는 일회성 10초 단계 — 나머지는 감시 없이 실행됩니다. 한 번의 실행이 맥에서 50개 이상의 영상을 연달아 처리하고, 각 영상이 타이밍이 있는 SRT로 나오며, 줄별 신뢰도가 있어 무엇을 다시 확인할지 알 수 있습니다. 전체 워크플로는 하드섭 OCR 가이드에 있습니다.

맥 앱이 API 없이 어떻게 자동화 워크플로에 들어맞나요?

에이전트 기반 파이프라인을 엮는 사람이라면 당연한 질문: GeekLink는 명령줄 도구가 아니라 맥 앱인데 — 그럼 스크립트와 어떻게 조합되나요?

통합 계약은 파일 시스템입니다: 파일이 폴더로 들어가고, 표준 SRT 파일이 나오고, 그 사이의 모든 것이 감시 없이 실행됩니다. 구체적으로:

입력 측: 감시 폴더는 거기 들어오는 무엇이든 받아들이고(음성 인식과 번역용), 배치 가져오기는 폴더 전체를 한 번에 받습니다(OCR과 그 외 전부용).
출력 측: 내보내기는 표준 SRT입니다(TXT 전사본과 자막이 입혀진 영상도). SRT는 안정적이고 수십 년 된 형식의 일반 텍스트라 — 하위의 어떤 스크립트, 편집기, 번역 단계, AI 에이전트도 파싱할 수 있습니다. 잠금을 풀어야 할 독점 프로젝트 파일이 없습니다.

한계에 대해 투명하게 밝히자면: GeekLink에는 오늘날 공개 CLI나 HTTP API가 없습니다. 폴더 기반 자동화는 1인 크리에이터와 소규모 팀이 실제로 돌리는 감시 없는 배치 사용 사례를 커버합니다. 프로그래밍 방식 제어가 워크플로에 중요하다면 GeekLink Discord에서 알려주세요 — 실제 워크플로를 듣는 것이 저희가 우선순위를 정하는 방식입니다.

완전한 로컬 자막 파이프라인은 어떤 모습인가요?

조각들을 맞추면, 어떤 영상 조합이든 전부 온디바이스로 처리하는 파이프라인은 이렇습니다:

자막 유형별로 분류. 각 파일을 확인: 플레이어가 자막 트랙을 보여주는가(켜고 끌 수 있음), 화면에 구워진 텍스트가 보이는가(하드섭), 둘 다 아닌가(음성)? 첫 확인은 에이전트가 ffprobe로 자동으로 할 수 있고, 나머지 둘은 2초짜리 눈으로 보기입니다.
켜고 끌 수 있는 트랙 → ffmpeg. 파일당 스크립트 명령 하나, 끝.
자막 없음 → 감시 폴더. 파일을 넣으면; 당신이 고른 소스·타깃 언어로 인식과 번역이 감시 없이 실행됩니다.
하드섭 → GeekLink 배치 OCR. 배치를 가져오고, 자막 박스를 한 번 그리고, 실행. 패스당 50개 이상 영상.
SRT 출력 수집. 세 경로 모두 타이밍이 있는 SRT 파일로 수렴하며, 다음에 오는 무엇이든에 준비됩니다 — 번역, 편집, 문장 마이닝, 재임베딩, 또는 게시.

설계 원칙: 한 도구에 전부 시키는 것이 아니라, 각 영상을 올바른 추출기로 라우팅해서 자동화한다. ffmpeg는 트랙 추출에 무적이고, Whisper 기반 인식은 음성을 다루고, 전용 OCR은 하드섭 텍스트를 다룹니다. SRT 형식이 이들을 조합되게 해 주는 것입니다.

자동화에 여전히 사람이 필요한 곳은 어디인가요?

감시 없는 파이프라인은 자막을 만들어 내지만, 그것이 맞다고 보장하지는 않습니다. 이름, 전문 용어, 겹치는 발화, 큰 음악 아래의 모든 것이 인식 오류가 몰리는 곳이며 — 완전 자동화된 파이프라인은 그 오류를 번역과 게시된 영상으로 기꺼이 퍼뜨립니다.

확장 가능한 해법은 모든 줄을 읽는 것이 아니라 — 파이프라인이 어느 줄이 틀렸을 법한지 표시하게 해서, 사람의 검토 단계를 전체 전사본에서 짧은 목록으로 줄이는 것입니다. GeekLink는 인식기의 단어별 신뢰도를 읽어 각 줄에서 가장 낮은 신뢰도의 단어와 음악이 덮인 구간을 표시한 뒤, 무료 Subtitle Edit용 검토 팩을 내보냅니다. 처음부터 끝까지의 검토 워크플로는 AI가 틀린 줄 찾기에서 다룹니다.

비용 면에서, 위의 자동화 파이프라인은 시험 삼아 써보는 데는 GeekLink 무료 티어로 돌아가고, 전체 배치 사용은 연 $99(월 약 $8.25) 또는 평생 $169이며, 둘 다 100만 AI 번역 크레딧이 포함됩니다. 요구 사양: Apple Silicon(M1–M4)의 macOS 13.0+.

FAQ

맥에서 영상의 자막을 자동으로 추출할 수 있나요?

네, 다만 방법은 자막 유형에 따라 다릅니다. 켜고 끌 수 있는 자막 트랙은 무료 ffmpeg 명령 하나로 추출됩니다. 자막이 없는 영상은 로컬 음성 인식이 필요합니다(스크립트로 처리 가능한 Whisper, 또는 번역까지 되는 노코드 버전인 GeekLink의 감시 폴더). 하드섭은 전용 OCR이 필요합니다 — GeekLink는 실행당 50개 이상 영상을 로컬로 배치 처리합니다.

Claude Code 같은 AI 에이전트가 영상에서 자막을 추출할 수 있나요?

부분적으로요. AI 코딩 에이전트는 켜고 끌 수 있는 자막 트랙을 뽑기 위해 ffmpeg를 스크립트로 짜고 음성-텍스트를 위해 Whisper를 실행할 수 있습니다 — 둘 다 잘 다루는 명령줄 도구입니다. 에이전트가 맥에서 안정적으로 스크립트로 짤 수 없는 것은 하드섭 OCR인데, 이를 위한 유지관리되는 오픈소스 파이프라인이 없기 때문입니다. 현실적인 분담: 에이전트가 트랙과 음성을 다루게 하고, 하드섭 영상은 공유 폴더를 통해 배치 OCR 도구로 라우팅하세요.

GeekLink에 자동화용 CLI나 API가 있나요?

없습니다 — GeekLink에는 오늘날 공개 명령줄 인터페이스나 API가 없습니다. 자동화 모델은 폴더 기반입니다: 감시 폴더가 거기 넣은 모든 영상을 자동 전사·번역하고, 배치 가져오기가 OCR 실행당 50개 이상 영상을 처리하며, 모든 출력이 스크립트가 받아갈 수 있는 표준 SRT입니다. 워크플로에 프로그래밍 방식 제어가 필요하다면 Discord에서 알려주세요 — 실제 사용 사례가 로드맵을 이끕니다.

많은 영상에서 하드섭을 어떻게 배치로 추출하나요?

파일마다 스크립트를 짜기보다 배치 OCR 도구를 쓰세요. GeekLink에서는 폴더 전체를 가져오고, 자막 영역 주위로 박스를 한 번 그리면, 배치가 맥에서 감시 없이 실행됩니다 — 패스당 50개 이상 영상, 각각 검토용 줄별 신뢰도가 있는 타이밍 SRT로 내보내집니다.

자동 자막 추출은 비공개인가요? 내 영상이 업로드되나요?

이 가이드의 파이프라인은 로컬입니다: ffmpeg, Whisper 인식, GeekLink의 OCR 모두 당신의 맥에서 실행되고, 어떤 영상도 어디에도 업로드되지 않습니다. 유일한 선택적 클라우드 단계는 AI 번역입니다 — 활성화하면 영상이 아니라 자막 텍스트가 당신이 고른 번역 모델(Claude 3.5 Haiku, GPT-4o, GPT-4o mini, 또는 DeepSeek)로 전송됩니다.

자동 자막 파이프라인은 어떤 출력 형식을 써야 하나요?

SRT입니다. 일반 텍스트이고, 사실상 모든 편집기, 플레이어, 플랫폼, 번역 도구가 지원하며, 스크립트와 AI 에이전트가 파싱하기 쉽습니다. 어떤 추출기를 쓰든 교환 형식으로 타이밍이 있는 SRT에 수렴하고, 필요하면 마지막 단계에서만 플랫폼별 형식(VTT, ASS)으로 변환하세요.

고지: GeekLink는 저희 맥 앱입니다; 여기서 설명한 감시 폴더, 배치 OCR, 신뢰도 표시, 번역 기능은 GeekLink 기능입니다. ffmpeg와 Whisper는 저희와 무관한 독립 오픈소스 프로젝트이며, 그 자체의 장점으로 추천합니다.