CapCut Web이 음성을 화면 글자로 붙이는 방식
결론부터 말하면, CapCut 웹에서 「AI 자동 자막」은 클립의 소리를 듣고 타임라인에 글자를 얹는 초안입니다. 입력은 말한 영상이고, 출력은 재생과 맞춰 붙인 자막입니다.
말하면서 찍지만 타이핑할 시간이 없는 초보에게 필요한 일은 예쁜 글자가 아닙니다. 카페나 출퇴근 지하철처럼 소리를 켜지 않는 사람이 내용을 읽을 수 있어야 합니다. 그래서 이 글은 자막을 장식이 아니라 읽기 장치로 봅니다.
플랫폼은 CapCut Web만 다룹니다. 편집 도구 목록에서 자막 도구로 들어가거나, 에디터에서 「미디어」로 클립을 올린 뒤 「캡션」을 엽니다. 전제는 브라우저에서 프로젝트를 열고, 음성 언어를 선택한 다음 「AI 자동 자막」 초안을 눈으로 확인하는 것입니다.
읽기 장치로서의 자막 기능
아래 기능은 제품 페이지와 공식 가이드에 있는 항목만 가져왔습니다. 각 항목은 「무엇을 듣고, 어디에 붙이며, 사람이 무엇을 보는가」로 읽으면 됩니다.
자동 자막이란 무엇인가
「AI 자동 자막」은 인공지능이 영상의 말소리를 글자로 바꾸는 작업입니다. 공식 가이드는 음성 인식과 언어 처리를 묶어 타이밍을 맞추고, 손으로 받아 적는 시간을 줄인다고 설명합니다.
초보가 헷갈리는 지점은 이름입니다. 화면을 꾸미는 스티커와, 말을 읽히게 하는 장치는 다릅니다. 「영상 자막 넣기」가 필요한 이유는 무음 피드와 청각이 불편한 시청자, 비원어민이 같은 화면을 읽어야 하기 때문입니다.
생성 결과는 완성본이 아니라 초안입니다. 가이드도 자동 캡션이 항상 완벽하지는 않다고 분명히 적습니다.
CapCut Web이 동영상을 듣고 음성을 텍스트로 바꾸는 자동 음성 인식입니다.
음성이 글자가 되는 흐름
제품 페이지의 「자동 음성 인식」은 동영상을 듣고 음성을 텍스트로 바꿉니다. 왼쪽 「캡션」에서 「자동 캡션」을 고르고 음성 언어를 선택한 뒤 「생성」을 누르면, 분석한 글자가 재생 위치에 붙습니다.
흐름은 단순합니다. 소리 → 언어 선택 → 글자 → 화면 아래 읽기 줄. 「자동 자막 생성」은 이 네 칸을 한 번에 채우는 단추입니다. 빠르거나 짧은 말도 처리한다고 안내하지만, 겹치는 말이나 잡음에서는 글자가 어긋날 수 있습니다.
사람이 볼 곳은 세 군데입니다. 말이 시작한 지점, 고유명사가 나온 지점, 침묵인데 글자가 남은 지점입니다.
받아쓰기와 번역은 다른 단추
같은 화면에서 두 일이 섞이기 쉽습니다. 받아쓰기는 들린 언어를 그 언어 글자로 남깁니다. 번역은 이미 생긴 자막을 다른 언어로 바꿉니다.
공식 가이드는 「자막」 탭의 「번역」에서 원본 언어와 대상 언어를 고른 뒤 적용한다고 적습니다. 한국어로 말한 합정 인터뷰를 한국어로 읽히게 하려면 먼저 받아쓰기를 고칩니다. 해외 공유가 필요할 때만 번역을 켭니다.
언어를 잘못 고르면 읽기 장치가 아니라 엉뚱한 초안이 붙습니다. 생성 전에 음성 언어를 확인하는 이유가 여기 있습니다.
글자를 읽히게 만드는 템플릿
제품 페이지는 사전 디자인된 캡션 스타일을 제공합니다. 글꼴, 색, 크기, 위치, 애니메이션을 바꿀 수 있고, 가이드의 「스타일」 탭에는 여러 프리셋이 있습니다.
초보가 먼저 볼 것은 반짝임이 아닙니다. 얼굴과 하단 버튼을 가리지 않는지, 한 줄이 너무 길지 않은지입니다. 위치와 크기를 바꾼 뒤 한 번 재생해 읽히는지 확인합니다.
「캡컷 자막」을 검색하는 이유도 대개 스타일보다 「말이 화면에 남느냐」입니다. 스타일은 글자가 맞은 다음에 고칩니다.
CapCut Web에서 자동 캡션을 붙이는 순서
아래 순서는 제품 페이지의 웹 경로입니다. 데스크톱 앱 메뉴와 섞지 마세요. 추천 기능의 「AI 자막」으로 들어갈 때는 가이드가 영상 길이 20분 이하를 확인하라고 합니다.
1단계: 클립을 타임라인에 올린다
CapCut Web을 열고 「미디어」 다음 「업로드」로 파일을 가져옵니다. 짧은 클립은 타임라인으로 끌어 놓습니다. 가이드는 「기기에서」 가져오기, 끌어 놓기, 「저장소에서」 불러오기를 함께 안내합니다.
합정에서 찍은 45초 인터뷰라면 원본을 자르지 말고 먼저 올립니다. 말이 시작하는 앞 여백이 너무 길면 나중에 무음 자막이 생기기 쉽습니다. 올리기 전에 바람 소리와 겹치는 말이 있는지만 들어 봅니다.
업로드가 끝나면 화면에는 아직 글자가 없습니다. 읽기 장치는 다음 단계에서 붙습니다.
「미디어」와 「업로드」로 원본 클립을 웹 타임라인에 올리는 단계입니다.
2단계: 언어를 고르고 자동 캡션을 생성한다
왼쪽 패널에서 「캡션」을 누르고 「자동 캡션」을 선택합니다. 동영상에 쓰인 음성 언어를 고른 뒤 「생성」을 누릅니다. CapCut Web이 오디오를 분석해 재생과 맞춘 캡션을 붙입니다.
한국에서 말한 클립이면 음성 언어를 한국어로 둡니다. 제품 페이지는 20개 이상 언어를 지원한다고 안내하며, 생성 전에 언어를 고르라고 합니다. 한국어를 주요 예시 목록에 따로 적어 두지는 않았으므로, 목록에서 직접 고르고 첫 문장을 재생해 확인합니다.
「AI 자동 자막」이 붙은 직후 전체 글을 고치지 않습니다. 긴 줄, 고유명사, 침묵 구간만 먼저 봅니다.
「캡션」에서 「자동 캡션」을 고르고 언어를 선택한 뒤 생성하는 화면입니다.
3단계: 고유명사를 고치고 내보낸다
가이드는 이름, 기술 용어, 속어를 특히 보라고 합니다. 합정, 상호, 숫자, 브랜드를 맨 먼저 고칩니다. 말이 없는 구간에 남은 줄은 지웁니다. 한 줄이 14자를 넘으면 줄바꿈을 나눕니다.
글자가 맞은 뒤에만 위치와 크기를 조정합니다. 화면 하단 약 20퍼센트 안에 두고 얼굴을 가리지 않는지 재생해 봅니다. 맞으면 오른쪽 위 「내보내기」에서 이름, 해상도, 프레임 속도를 확인하고 다시 「내보내기」로 저장합니다.
더 다듬으려면 「더 편집하기」로 전체 편집 화면을 엽니다. 쇼츠로 올릴 클립은 이 단계에서 비율만 확인하고 글을 다시 늘리지 않습니다.
이름과 해상도를 확인한 뒤 「내보내기」로 기기에 저장하는 단계입니다.
웹에서 같은 흐름을 제품 페이지로 다시 보려면 AI 캡션 생성기 안내를 열어 세 단계를 대조하면 됩니다.
합정 인터뷰 45초를 쇼츠 읽기 장치로 만드는 예
입력은 합정 인터뷰 채널의 원본 45초입니다. 설정은 「AI 자동 자막」, 음성 언어 한국어, 하단 배치입니다. 출력은 유튜브 쇼츠에 올릴, 글자가 붙은 컷입니다.
진행은 위 세 단계와 같습니다. 올린 뒤 음성 언어를 한국어로 두고 생성합니다. 가장 먼저 고칠 것은 「합정」, 출연자 이름, 가게 이름, 가격 숫자입니다. 웃음이나 추임새만 있는 줄은 지웁니다.
「쇼츠 자막」은 짧게 읽혀야 합니다. 한 줄이 14자를 넘으면 나누고, 하단 안전 영역 안에 둡니다. 처음 3초에 중요한 문장이 잘렸는지만 재생해 보면, 초보도 게시 전에 할 일이 끝납니다.
이 예는 스타일 대회가 아닙니다. 소리 없이 스크롤하는 사람이 질문을 읽을 수 있으면 충분합니다.
초보가 얻는 실질적 이점
이점은 「예쁘다」가 아니라 「말이 화면에 남는다」입니다. 제품 페이지가 적는 접근성, 시간, 참여도를 읽기 장치 기준으로 옮깁니다.
무음 피드에서도 말이 남는다
소셜 영상은 소리를 끈 채 지나가는 경우가 많습니다. 캡션이 있으면 청각이 불편한 사람뿐 아니라 지하철의 무음 시청자도 내용을 따라갑니다.
「한국어 자막」을 붙이는 이유는 해외용 번역이 아니라, 같은 언어 시청자가 읽게 하기 위함입니다. 생성 후 한 번만 재생해도 무음 상태를 흉내 낼 수 있습니다.
확인은 단순합니다. 스피커를 끄고 처음부터 봅니다. 읽히지 않는 줄만 고칩니다.
타이핑 시간을 교정 시간으로 바꾼다
제품 페이지는 수동 입력을 없애 시간을 줄인다고 합니다. 초보에게 남는 시간은 처음부터 치는 시간이 아니라, 틀린 고유명사를 고치는 시간입니다.
45초 인터뷰를 받아 적으면 몇 분이 갑니다. 생성 초안이 있으면 그 시간을 이름과 숫자에 씁니다. 가이드도 전체를 다시 쓰기보다 눈에 띄는 오차만 먼저 보라고 합니다.
교정 목록을 세 칸으로 고정하면 습관이 됩니다. 고유명사, 숫자, 무음 줄.
인터뷰와 강의를 다시 듣게 하지 않는다
제품 페이지는 인터뷰·팟캐스트와 온라인 강의를 활용 예로 듭니다. 말이 빠른 컷일수록 글자가 있으면 핵심을 놓치지 않습니다.
판교 발표 클립을 다시 재생하지 않게 하려면, 전문 용어가 맞는지만 보면 됩니다. 성수 출근 브이로그라면 장소 이름만 맞으면 출근길이 읽힙니다.
이 이점은 번역 품질이 아니라 같은 언어 초안의 가독성에서 나옵니다.
초보가 쓰는 세 현장
세 현장 모두 「말을 치고 올리기」가 아니라 「초안을 읽고 고치기」입니다.
합정 인터뷰 채널이 쇼츠로 올리는 경우
원본에 「한국어 자막」을 붙여 유튜브 쇼츠로 올립니다. 질문은 짧고, 대답은 고유명사가 많습니다.
생성 후 출연자 이름과 동네 이름을 먼저 고칩니다. 하단 배치가 얼굴과 겹치면 한 줄 올립니다. 이 현장이 「초보 자막」 습관을 만들기 가장 쉽습니다. 45초라서 전체 재생이 부담이 없습니다.
성수 대표 브이로그를 릴스로 읽히게 하는 경우
출근길 소음이 많습니다. 가이드는 배경 소음과 희미한 음성이 오류를 만든다고 적습니다. 여기서는 모든 추임새를 살리지 않습니다.
인스타그램 릴스에 올릴 때는 장소와 일정 숫자만 남기고, 숨소리 자막은 지웁니다. 「영상 자막 넣기」의 목적은 출근 루트를 읽히게 하는 것이지, 모든 말을 기록하는 것이 아닙니다.
판교 테크토크를 네이버 블로그에 넣는 경우
발표 클립을 블로그에 삽입할 때는 용어가 틀리면 신뢰가 떨어집니다. 생성 초안에서 제품명과 수치만 대조합니다.
번역이 필요하면 받아쓰기를 고친 뒤에 「번역」을 엽니다. 한 번에 외국어로 바꾸면 검수 기준이 흔들립니다. 블로그 삽입 전에는 처음 3초와 핵심 용어 한 줄만 다시 봅니다.
장점과 한계
쓰기로 정했다면 한계를 같은 무게로 보는 편이 안전합니다.
장점
- 웹에서 「자동 캡션」 한 번으로 말과 맞춰 글자 초안이 붙습니다.
- 글꼴, 색, 위치, 애니메이션을 생성 후에 바꿀 수 있습니다.
- 제품 페이지는 생성·편집·내보내기에 숨겨진 추가 비용이 없다고 안내합니다.
- 자체 SRT를 「자막」 가져오기로 넣을 수 있어, 이미 고친 원고가 있으면 받아쓰기를 건너뛸 수 있습니다.
한계
- 강한 억양, 지역 방언, 카페 잡음은 공식 가이드가 정확도에 영향을 준다고 적습니다. 한국어 방언의 인식률 수치는 공개되어 있지 않으므로, 고유명사와 숫자를 사람이 먼저 고칩니다.
- 추천 기능 「AI 자막」 경로는 영상 길이 20분 이하를 확인하라고 합니다. 긴 판교 세션은 잘라 올리거나 구간을 나눕니다.
- 받아쓰기와 번역은 다른 단추입니다. 언어를 바꾸기 전에 같은 언어 초안을 고치지 않으면, 틀린 고유명사가 다른 언어로 옮겨 갑니다.
검수와 배치에서 남기는 네 가지
앞에서 쓴 습관을 네 줄로만 고정합니다.
고유명사와 숫자는 생성 직후 맨 먼저 고칩니다. 자막은 화면 하단 약 20퍼센트 안에 두고 얼굴을 가리지 않습니다. 한 줄이 14자를 넘으면 줄바꿈을 나눕니다. 무음 구간 자막은 지웁니다.
게시 직전 재생은 세 지점만 보면 됩니다. 처음 3초, 이름이 나오는 장면, 주제가 바뀌는 장면입니다. 가이드가 말하는 「읽을 수 있는지」가 정답보다 앞섭니다.
자주 묻는 질문
CapCut Web의 자동 캡션은 무료인가요?
제품 페이지는 AI 캡션 기능을 숨겨진 비용 없이 무료로 사용할 수 있다고 적습니다. 생성, 편집, 내보내기에 추가 비용이 발생하지 않는다고 안내합니다.
페이지 버튼은 가입을 권하고, 신용카드가 필요 없다고 밝힙니다. 상업 프로젝트에도 쓸 수 있다고 안내하지만, 얼굴·음성이 담긴 원본의 권한은 따로 확인해야 합니다.
홈의 자막 도구 소개는 워터마크 없이 여러 언어 자동 캡션을 붙일 수 있다고 적습니다. 내보내기 전 미리 보기에서 워터마크 여부를 한 번 더 확인하면 됩니다.
자동으로 나온 글자를 그대로 올려도 되나요?
그대로 올리지 않는 편이 안전합니다. 공식 가이드는 자동 캡션이 항상 완벽하지는 않으며, 이름·용어·속어를 교정하라고 합니다.
「AI 자동 자막」은 초안입니다. 고유명사, 숫자, 무음 줄만 고치면 초보도 게시 가능한 읽기 장치가 됩니다. 전체를 다시 타이핑할 필요는 없습니다.
방언이나 잡음이 심한 컷은 오인식이 늘어납니다. 수치는 공개되어 있지 않으므로, 첫 문장과 이름만 재생해 판단합니다.
웹에서 어떤 형식으로 나오며 SRT도 쓰나요?
이 글의 경로는 CapCut Web입니다. 「내보내기」에서 해상도와 프레임 속도를 정한 뒤 기기에 저장합니다. 쇼츠·릴스·블로그 삽입은 그 파일을 올리면 됩니다.
이미 고친 원고가 있으면 「자막」 섹션에서 SRT를 가져와 타이밍과 문구를 직접 제어할 수 있습니다. 웹과 데스크톱을 한 튜토리얼에서 섞지 마세요.
동기화가 어긋나면 가이드가 안내하는 대로 타임라인에서 줄을 끌어 맞춥니다.
한국어 방언이나 가게 소음에서도 잘 알아듣나요?
공식 수치는 없습니다. 제품 페이지는 액센트와 방언에 맞춰 정확성을 유지한다고만 적고, 가이드는 강한 억양과 지역 방언이 전사에 영향을 준다고 적습니다.
합정 카페 인터뷰라면 기대값을 낮추고, 「초보 자막」 검수 목록을 더 짧게 가져갑니다. 이름, 숫자, 무음 줄. 세 칸만 보면 게시 여부를 결정할 수 있습니다.
음성 언어를 잘못 고르면 방언 문제가 아니라 설정 문제입니다. 생성 전 언어부터 확인합니다.
말을 치는 시간을 아끼고 싶다면, 브라우저에서 45초 원본을 올린 뒤 「AI 자동 자막」 초안만 받아 보세요. 고유명사를 고치고 하단 읽기 줄을 맞추면, 소리 없는 시청자도 같은 컷을 따라옵니다. 같은 흐름을 기기에 두고 쓰려면 CapCut 무료 다운로드로 이어서 저장하면 됩니다.