Subtitle Edit Whisper 사용법: 엔진·모델

Subtitle Edit의 Whisper 지원은 창 하나에 모여 있어요. 비디오 → 음성을 텍스트로 변환...(English: Video → Speech to text...)이고, 이전 버전에서는 Audio to text라고 불렀어요. 영상을 열고, 엔진과 모델을 고르고, 언어를 지정한 다음 텍스트 변환(English: Transcribe) 버튼을 클릭하세요. 필요한 건 처음 쓸 때 Subtitle Edit이 내려받아요. 진짜 선택은 내 하드웨어에 맞는 엔진이 무엇이냐예요.

이 글은 NVIDIA 그래픽 카드가 있는 Windows, 없는 Windows, Mac별 선택, turbo 모델의 번역 함정 하나, 일괄 처리, 품질 보고서, 아무것도 안 나올 때 확인할 것을 다뤄요. Subtitle Edit에 관한 사실은 GitHub 저장소와 공식 문서에서 가져왔고, 2026년 10월 31일에 확인했어요. 메뉴 이름은 한국어 인터페이스 기준이고, 처음 나올 때 영어 이름을 괄호로 함께 적었어요.

Subtitle Edit에서 Whisper는 어떻게 쓰나요?

음성을 텍스트로 변환 문서에 나온 일곱 단계예요. Subtitle Edit은 MIT 라이선스의 무료 오픈소스이고, 현재 안정 버전은 2026년 10월 14일에 나온 5.3.0이에요.

1. Subtitle Edit에서 영상 파일을 여세요.
2. 비디오 → 음성을 텍스트로 변환... 메뉴를 선택하세요.
3. 엔진(English: Engine)을 선택하세요. 옆의 버튼들은 엔진 웹사이트를 열고, 엔진을 내려받고, 엔진 설정을 열어요. Whisper CPP와 Crisp ASR은 백엔드(English: Backend) 드롭다운도 보여 줘요.
4. 모델(English: Model)을 선택하세요. 대체로 클수록 더 정확하고, 더 느리고, 디스크를 더 써요.
5. 오디오의 Language를 선택하거나, 엔진이 지원하면 자동 감지로 두세요.
6. 필요하면 영어로 번역(English: Translate to English)과 후처리(English: Post-processing)를 체크하세요.
7. 텍스트 변환 버튼을 클릭하세요.

엔진과 모델은 처음 쓸 때 자동으로 내려받아서, 첫 실행에는 기다리는 시간이 들어가요. 결과는 메인 목록의 평범한 자막이라서 다른 파일처럼 편집하면 돼요.

아직도 「subtitle edit audio to text」를 검색하는 사람이 있어요. 같은 창의 옛 이름이고, Subtitle Edit 5 시리즈의 변경 내역 한 줄에도 아직 이 이름이 나와요.

Subtitle Edit에서 어떤 Whisper 엔진을 골라야 할까요?

그래픽 카드에 따라 달라요. 목록의 엔진 대부분이 같은 Whisper 모델을 포장만 다르게 해서 돌리기 때문이에요. 문서의 조언은 이래요: 「NVIDIA GPU를 쓴다면 가장 빠른 전사를 위해 Whisper CPP cuBLAS 백엔드나 Purfview Faster Whisper XXL을 사용하세요.」

Purfview Faster Whisper XXL과 Whisper Const-me는 macOS에서 쓸 수 없어요. 원조 Python 구현인 Whisper OpenAI는 모든 플랫폼에 올라와 있어요. 엔진별 플랫폼은 문서의 엔진 표에서 최신 상태로 관리해요.

같은 목록에 다른 엔진도 있어요. Crisp ASR은 Parakeet, Canary, SenseVoice 같은 Whisper가 아닌 모델 여러 개를 감싸고, 화자를 감지해서 줄에 (speaker 0)로 표시할 수 있어요. 온라인 엔진 네 가지(OpenAI Compatible Server, OpenRouter, Alibaba Qwen3-ASR, Google Cloud Speech-to-Text)는 오디오를 서버로 보내요. 영상이 기밀이라면 중요한 점이에요. 나머지는 내 컴퓨터에서 실행돼요.

Subtitle Edit Whisper 모델, 어떤 게 맞을까요?

내 하드웨어가 받아들일 만한 시간 안에 끝내는 가장 큰 모델을 고르세요. 목록은 가장 빠르고 정확도가 가장 낮은 tiny에서 시작해 base, small, medium을 거쳐, 가장 정확하고 가장 느린 large, large-v2, large-v3까지 이어져요.

문서에서 짚은 몇 가지예요:

• .en 모델은 영어 전용이고 영어 오디오에 더 좋아요. 모든 말이 영어일 때 쓰세요.
• large-v3-turbo는 일본어에 강하다고 나와 있어요. 하드웨어가 돌릴 수 있다면 대부분의 언어에서 무난한 기본값이에요.
• 언어별 파인튜닝 모델도 있어요. .sv, .nb, 그리고 애니메이션과 비주얼 노벨 일본어용 anime-whisper 모델인 anime.ja예요.

디스크 공간과 실행 시간은 함께 늘어나요. 경험칙이 아니라 숫자를 원한다면 Whisper 모델 비교에서 모델별 실제 내려받기 크기와 테스트 클립에서 각 모델이 잡아낸 것을 볼 수 있어요. 클립 하나일 뿐 벤치마크는 아니지만, 한 단계 올릴 때 무엇이 드는지는 보여 줘요.

Subtitle Edit Whisper GPU와 CUDA: 실제로 도움이 되는 것

Windows에서 GPU는 먼저 NVIDIA를 뜻해요. 실용적인 세 가지예요:

1. 엔진만이 아니라 백엔드를 고르세요. Whisper CPP에서는 백엔드 드롭다운이 cuBLAS(NVIDIA CUDA), Vulkan, CPU 중 어디서 돌릴지 정해요. 좋은 GPU가 있는 컴퓨터라면 CPU로 남아 있지 않은지 확인하세요.
2. CUDA 버전을 맞추세요. Whisper CTranslate2는 CUDA 12.x가 필요해요. 이 엔진에서 CUDA 문제가 생기면 Whisper CPP cuBLAS와 Purfview가 대안이에요.
3. 메모리가 부족하다면 모델을 한 단계 낮추세요. 「CUDA out of memory」에 대한 문서의 답은 더 작은 모델이에요.

엔진의 고급 옵션에는 설정이 두 가지 더 있어요. 엔진별 명령줄 매개변수, 그리고 타이밍을 개선하는 VAD예요.

영어로 번역이 원래 언어로 나올 때: turbo 모델의 함정

영어로 번역은 영어가 아닌 음성을 같은 단계에서 영어 텍스트로 바꿔 줘요. 그런데 turbo 모델을 고르면 텍스트가 영어 대신 원래 언어로 나올 수 있어요.

이유는 OpenAI의 Whisper README에 있어요. turbo 모델은 「번역 작업용으로 학습되지 않았고」, 번역을 요청해도 원래 언어를 돌려줘요. README의 조언은 medium이나 large를 쓰라는 거예요. 그러니 large-v3-turbo를 선택한 채 상자를 체크했는데 영어가 안 나온다면, 모델을 medium이나 large로 바꿔서 다시 실행하세요.

이 방법은 영어만 만들어요. 다른 대상 언어는 먼저 전사한 다음 번역 → 자동 번역...(English: Translate → Auto-translate...)을 쓰세요. 엔진에는 Google Translate V1(무료), DeepL과 ChatGPT(둘 다 본인의 API 키 필요), LibreTranslate, MyMemory, 그리고 Ollama, LM Studio, llama.cpp를 통한 로컬 모델이 있어요. 번역한 뒤에 무엇을 확인해야 하는지는 타이밍 깨지지 않게 SRT 번역하기 가이드에서 다뤄요.

Subtitle Edit에서 여러 영상을 한꺼번에 전사하려면?

일괄 처리 모드(English: Batch mode)를 쓰세요. 영상 파일을 추가하고, 엔진, 모델, 언어를 고른 다음 텍스트 변환 버튼을 클릭하세요. Subtitle Edit이 영상마다 옆에 .srt 파일을 써요. video.srt 대신 video.en.srt를 원한다면 파일명에 언어 코드 추가(English: Add language code to file name)를 체크하세요. 한 폴더에 여러 언어가 섞이는 순간부터 중요해져요.

조용한 인터뷰와 시끄러운 길거리 녹음처럼 파일마다 차이가 크다면, 어려운 파일은 더 큰 모델로 따로 일괄 처리하세요.

후처리와 전사 품질 보고서

Whisper의 출력은 정확하지만 어수선해요. 후처리 옵션은 전사 과정에서 그걸 정리해 줘요. 문서에 나온 기능은 이래요:

• 파형 피크를 이용한 타이밍 조정
• 너무 짧은 길이 수정
• 대소문자 수정과 마침표 추가
• 짧은 줄 병합과 긴 줄 분할
• 「[Music]」 같은 비음성 줄 제거
• 반복된 줄 제거

변환 후 품질 보고서 표시(English: transcription quality report) 옵션은 기본으로 켜져 있고, Whisper의 버릇을 잡아내는 데 이 창에서 가장 쓸모 있는 부분이에요. 문제를 다섯 가지로 표시해요. 너무 짧음, 너무 김, 겹침, 비음성, 반복이에요. 「너무 김」에는 문서가 전형적인 환각(hallucination)이라 부르는 것, 즉 두세 단어가 10초에서 30초까지 늘어진 경우가 들어가요. 「반복」은 엔진이 루프에 갇혔다는 뜻이에요.

표시된 큐는 지우기만 할 곳이 아니라 직접 들어 볼 곳으로 보세요. 그런 현상의 패턴과 막는 설정은 Whisper가 줄을 반복하고 없는 말을 지어내는 이유에 있어요.

Subtitle Edit Whisper가 안 될 때: 텍스트 없음, 오류, CUDA

단순한 원인부터 보세요. 문서의 FAQ와 팁에서 가져온 이 목록을 위에서부터 확인하세요:

1. 엔진과 모델을 내려받았나요? Subtitle Edit이 둘 다 물어봐요. 써 본 적 없는 엔진이라면 시작하기 전에 엔진과 모델을 내려받게 두세요.
2. 콘솔 로그를 읽어 보세요. 음성을 텍스트로 변환 창 아래쪽에 있어요. 창을 우클릭해서 도구 로그 파일 보기(English: View tools log file)를 고르면 전체 기록이 나와요. 내려받는 엔진은 같은 메뉴에 다시 내려받기 항목이 있어요.
3. 엔진 파일이 사라졌나요? 대개 백신이 실행 파일을 격리해서예요. Subtitle Edit은 전사를 시작할 때 확인해서 없는 파일 이름을 알려 주고 다시 내려받을지 물어요.
4. CUDA 메모리가 부족한가요? 더 작은 모델을 고르세요.
5. VAD를 켰는데 Crisp ASR이 아무것도 안 돌려주나요? Silero가 짧은 클립을 비음성으로 거부할 수 있어요. Subtitle Edit은 빈 결과를 알리기 전에 VAD 없이 한 번 다시 시도해요.

전사는 끝났는데 텍스트가 없는 게 아니라 틀렸다면, 언어 설정을 먼저 확인하고 더 큰 모델을 써 보세요.

Subtitle Edit보다 Sablate가 맞는 경우는?

다듬을 자막 파일이 아니라 바로 올릴 캡션이 목표이고, 엔진과 백엔드 중에서 고르는 일 자체를 하고 싶지 않을 때예요.

Sablate는 Windows 10 이상과 macOS 12 이상용 데스크톱 앱이에요. faster-whisper를 네 가지 티어로 실행해요. Fast(tiny), Balanced(small), Accurate(large-v3-turbo), Best(large-v3)예요. NVIDIA GPU가 있는 Windows에서는 처음 GPU를 쓸 때 CUDA 런타임을 내려받고, Mac에서는 CPU로 전사해요. 고를 엔진이나 백엔드는 없어요.

더하는 건 작업의 나머지 절반이에요. 한 번의 전사가 번역 레이어 여러 개를 만들고, 각 레이어는 자기만의 스타일과 문자 체계 폰트를 가져요. Hormozi와 Karaoke를 포함한 13가지 캡션 프리셋과 단어 단위 카라오케 스윕이 스타일을 입히고, 구워 넣기는 9:16, 1:1, 16:9를 크롭이나 블러 배경으로 맞춰요. 이 작업 흐름은 단어 단위 카라오케 자막과 다국어 자막에서 자세히 볼 수 있어요.

무료 요금제는 계정이 필요 없고 최대 10분 영상, 월 3회 작업, Fast와 Balanced 모델, 오프라인 번역 레이어 1개를 지원해요. 구워 넣은 영상에는 구석에 작은 워터마크가 붙어요. Pro는 $29를 한 번 결제하거나 월 $5.99이고, 나머지는 가격 페이지에 정리되어 있어요. 이런 방식으로 작동하는 다른 앱들은 오프라인 자막 생성기 비교에서 비교해요.

Subtitle Edit vs Sablate 한눈에 보기

가격, 플랫폼, 엔진 선택, 화자 라벨, 형식 지원 범위에서는 Subtitle Edit이 앞서요. 자막 편집이 직업이거나 작업 흐름 전체를 직접 통제하고 싶다면 Subtitle Edit을 계속 쓰세요. 엔진 표를 읽고 싶지 않은 사람에게는 Sablate가 여러 언어로 스타일 입힌 캡션까지 가는 더 짧은 길이에요.

어떤 방법을 골라야 할까요?

「NVIDIA 카드가 있고 자막을 자주 편집해요.」 Subtitle Edit에서 Whisper CPP cuBLAS나 Purfview Faster Whisper XXL, large-v3-turbo 모델을 쓰고 품질 보고서를 켜 두세요.

「NVIDIA GPU가 없는 노트북이에요.」 Vulkan 백엔드의 Whisper CPP, small이나 medium 모델을 쓰고, 긴 파일은 인내심을 가지세요.

「Mac을 써요.」 먼저 Whisper CPP예요. 단어 단위 타이밍이 필요하면 Apple Silicon에서 WhisperX를 써 보세요.

「오디오가 영어가 아닌데 영어 자막이 필요해요.」 turbo가 아니라 medium이나 large로 영어로 번역을 쓰세요.

「화자가 여러 명인 인터뷰예요.」 화자 감지가 되는 Crisp ASR이에요. Sablate에는 없는 기능이에요.

「오늘 밤까지 단어 강조가 들어간 세로 캡션을 세 개 언어로 만들고 싶어요.」 Windows나 Mac용 Sablate를 다운로드하세요.

자주 묻는 질문

Subtitle Edit에서 Whisper는 어떻게 쓰나요?

영상을 열고 비디오 → 음성을 텍스트로 변환...(Speech to text)을 선택한 다음, 엔진과 모델을 고르고 음성 언어를 지정해서 텍스트 변환 버튼을 클릭하세요. 엔진과 모델은 처음 쓸 때 Subtitle Edit이 내려받아요. 끝나면 줄이 메인 자막 목록에 나타나고, 다른 자막처럼 편집할 수 있어요. 엔진을 처음 쓸 때는 내려받는 시간이 들어가요.

Subtitle Edit에서 가장 빠른 Whisper 엔진은 무엇인가요?

NVIDIA GPU에서는 cuBLAS 백엔드의 Whisper CPP나 Purfview Faster Whisper XXL이에요. 공식 문서도 이 둘을 권해요. NVIDIA가 없으면 Windows에서 Vulkan 백엔드의 Whisper CPP로 다른 GPU를 쓸 수 있어요. Mac에서는 Whisper CPP가 어디서나 실행되는 엔진이고, WhisperX와 CTranslate2는 Apple Silicon이 필요해요. 어떤 엔진을 쓸지는 그래픽 카드에 따라 정해져요.

Subtitle Edit에서 어떤 Whisper 모델을 골라야 하나요?

컴퓨터가 돌릴 수 있다면 large-v3-turbo를, 못 돌리면 small이나 medium을 고르고, 영어 음성뿐이라면 .en 모델을 쓰세요. 큰 모델일수록 정확하지만 느리고 디스크를 더 써요. Tiny는 가장 빠르고 정확도가 가장 낮아서 빠른 초안용으로만 쓰세요. 영어로 번역 기능을 쓸 때는 turbo를 피하세요. 모델은 하드웨어가 받아들일 만한 시간 안에 끝나는 가장 큰 것을 고르면 돼요.

Subtitle Edit에서 영어로 번역이 원래 언어를 그대로 돌려주는 이유는 무엇인가요?

turbo 모델은 번역용으로 학습되지 않았기 때문이에요. OpenAI의 Whisper 문서에 따르면 turbo 모델은 번역을 요청해도 원래 언어를 돌려주며, medium이나 large를 권해요. 음성을 텍스트로 변환 창에서 모델을 medium이나 large로 바꾸고 전사를 다시 실행하면 영어 번역이 나와야 해요. 이 번역은 영어만 만들어요.

Subtitle Edit Whisper에서 텍스트가 안 나오거나 오류가 나는 이유는 무엇인가요?

대개 엔진이나 모델이 없거나, 백신이 파일을 지웠거나, GPU 메모리가 부족해서예요. 둘 다 내려받았는지 확인하고, 창 아래쪽 콘솔 로그를 읽고, CUDA 메모리가 부족하면 더 작은 모델을 고르세요. 엔진 파일이 없으면 Subtitle Edit이 파일 이름을 알려 주고 다시 내려받을지 물어요. 전사는 됐는데 텍스트가 틀렸다면 언어 설정을 먼저 확인하세요.

Subtitle Edit으로 여러 영상을 한꺼번에 전사할 수 있나요?

네. 일괄 처리 모드에서 영상 파일을 여러 개 추가하고 텍스트 변환을 클릭하면, 영상마다 옆에 SRT 파일을 저장해요. 파일명에 언어 코드 추가 옵션을 켜면 video.en.srt 같은 이름이 돼요. 녹음 하나가 나머지보다 훨씬 어렵다면 더 큰 모델로 따로 일괄 처리하세요. 여러 언어가 한 폴더에 섞일 때 파일명에 언어 코드를 넣으면 편해요.