한국어 자막 OCR에서 띄어쓰기가 사라지는 이유와 측정 방법

Flora Wang · 영상 로컬라이제이션 전문가 · 게시 2026년 8월 13일 · 업데이트 2026년 8월 13일 · 7분

TL;DR: 한국어 자막 OCR은 화면에 보이는 한글 음절을 모두 인식하고도, 띄어쓰기에는 획이 없기 때문에 문장을 잘못 출력할 수 있습니다. 유용한 한국어 OCR 테스트는 글자 인식과 단어 경계를 따로 측정해야 합니다. GeekLink는 이미 영상에 박힌 한국어 자막을 로컬에서 추출할 수 있으며, 앞으로 일주일 안에 띄어쓰기에 초점을 둔 한국어 OCR 미세 조정을 진행할 예정입니다.

한국어 자막에서 띄어쓰기가 중요한 이유

예를 들어 오늘은 정말 좋은 날이에요가 오늘은정말좋은날이에요로 인식될 수 있습니다. 한글 음절은 모두 있지만 읽기 어렵고, 편집과 번역에도 추가 작업이 필요합니다.

국립국어원 한글 맞춤법 총칙 제2항은 문장의 각 단어를 원칙적으로 띄어 쓴다고 설명합니다. 띄어쓰기는 단순한 시각적 장식이 아니라 올바른 한국어 표기의 일부입니다. 국립국어원 공식 규정에서 확인할 수 있습니다.

띄어쓰기가 사라지면 검색과 치환, 번역, 이름과 조사 확인, 자막 편집에 필요한 수작업에도 영향을 줍니다.

한국어 OCR에서 띄어쓰기가 사라지는 이유

띄어쓰기에는 잉크가 없기 때문에 OCR은 음절 블록 사이의 가로 간격에서 단어 경계를 추정해야 합니다. 실제 영상 자막에서는 다음 요소가 이 추정을 어렵게 만듭니다.

  • 글자는 읽지만 경계를 충분히 학습하지 못한 경우. 한글을 많이 보았어도 올바른 띄어쓰기가 있는 자막 줄을 충분히 보지 못했을 수 있습니다.
  • 자막 스타일이 간격을 바꾸는 경우. 외곽선, 그림자, 좁은 글꼴, 자간, 압축 때문에 단어 사이 빈칸이 일반 글자 간격처럼 보입니다.
  • 한 줄이 여러 검출 상자로 나뉘는 경우. 상자의 실제 위치를 무시하고 이어 붙이면 올바른 단어가 연결됩니다.
  • 후처리에서 공백을 정규화하는 경우. 인식 후 줄 병합이나 정리 과정에서 유효한 띄어쓰기가 사라질 수 있습니다.

일반적인 OCR 정확도만으로 부족한 이유

다음주에 다시만나요는 글자만 보면 거의 맞아 보이지만 단어 경계 두 개가 빠졌습니다. 한국어 자막 OCR은 적어도 다음을 따로 보고해야 합니다.

  • 띄어쓰기 경계 F1: 필요한 띄어쓰기를 보존하면서 불필요한 띄어쓰기를 넣지 않았는지 측정합니다.
  • 줄 단위 띄어쓰기 완전 일치율: 기준 문장과 띄어쓰기가 정확히 같은 줄의 비율입니다.
  • 띄어쓰기 제거 후 글자 정확도: 띄어쓰기를 개선하는 대신 한글 인식이 나빠지지 않았는지 확인합니다.

공정한 benchmark를 위해서는 학습 자료와 테스트 자료를 서로 다른 영상에서 가져와야 합니다. 같은 영상의 프레임을 무작위로 나누면 글꼴과 배경이 비슷해 결과가 과대평가될 수 있습니다.

GeekLink는 단어 사이 띄어쓰기에 초점을 둔 한국어 자막 OCR 미세 조정을 준비하고 있으며, 첫 조정은 앞으로 일주일 안에 진행할 예정입니다. 목표는 모든 자막이 완벽하다고 주장하는 것이 아니라, 띄어쓰기를 독립적으로 측정 가능한 품질 목표로 만드는 것입니다.

업데이트 후에는 띄어쓰기 지표와 별도로 계산한 글자 정확도를 함께 확인합니다. 자동 benchmark가 끝나기 전까지 이 글은 문제와 평가 방법을 설명하는 글이며, 완료된 정확도 결과를 약속하는 글은 아닙니다.

한국어 자막을 추출하는 실제 흐름

한국어 자막이 영상에 박혀 있다면 일반 자막 트랙이 아닙니다. OCR로 편집 가능한 텍스트로 되돌려야 합니다.

  1. 영상을 가져오고 인식 언어로 한국어를 선택합니다.
  2. 자막 영역을 지정해 로고와 워터마크를 제외합니다.
  3. OCR을 실행합니다.
  4. 원본 영상 프레임과 비교해 띄어쓰기를 확인합니다.
  5. SRT 또는 TXT로 내보냅니다.

GeekLink는 이 과정을 컴퓨터에서 로컬로 처리해 박힌 한국어 자막을 시간 정보가 있는 편집 가능한 자막으로 변환합니다.

FAQ

한국어 OCR은 왜 띄어쓰기를 없애나요?

띄어쓰기에는 획이 없어서 OCR이 음절 블록 사이 간격에서 단어 경계를 추정해야 합니다. 자막 장식, 압축, 검출 상자, 후처리 때문에 이 간격이 사라질 수 있습니다.

한글 음절이 모두 맞으면 정확한 결과인가요?

그렇지 않을 수 있습니다. 글자는 맞아도 단어 경계가 틀릴 수 있으므로 띄어쓰기는 따로 평가해야 합니다.

OCR 후 AI로 한국어 띄어쓰기를 넣을 수 있나요?

가능하지만 이름, 속어, 가사, 방언, 의도적인 표기를 바꿀 수 있습니다. 자막 추출에서는 영상에 보이는 원래 간격을 보존하는 편이 안전합니다.

GeekLink로 영상에서 한국어 자막을 추출할 수 있나요?

가능합니다. 영상 프레임에서 박힌 한국어 자막을 읽고 시간 정보를 맞춘 뒤 편집 가능한 SRT 또는 TXT로 내보냅니다.

띄어쓰기 특화 모델은 언제 사용할 수 있나요?

GeekLink는 앞으로 일주일 안에 첫 한국어 띄어쓰기 특화 미세 조정을 진행할 예정입니다. 자동 benchmark가 끝난 뒤 정확도 결과를 공개합니다.

안내: GeekLink는 저희 제품입니다. 이 글에서 설명한 한국어 띄어쓰기 특화 OCR 모델은 준비 중이며 benchmark 완료를 의미하지 않습니다.