대본이나 자막 파일에서 타임스탬프를 제거하는 방법

자막과 대본 파일은 타이밍을 중심으로 만들어져 있는데, 이는 내용을 기사나 블로그 글, 인용문, 번역용 대본으로 재활용하려 할 때 가장 불필요한 요소입니다. SRT 파일을 그대로 문서에 붙여넣으면 이런 모습이 됩니다.

12
00:04:21,500 --> 00:04:24,800
그리고 그게 진짜 핵심이에요

읽기 좋은 글에는 그냥 단어만 필요합니다. “그리고 그게 진짜 핵심이에요.”

실제로 제거해야 하는 것들

• cue 번호. SRT에서 각 블록 앞에 붙는 순차 색인(12, 13, …)입니다.
• 타임스탬프 줄. 00:04:21,500 --> 00:04:24,800처럼 SRT의 쉼표 형식이나 VTT의 마침표 형식으로 된 줄입니다.
• WEBVTT 헤더가 있다면 이것도 제거해야 합니다.
• 서식 태그. 이탤릭/볼드 마크업(<i>, <b>), 위치 지정 cue, 일부 VTT 파일에 포함된 화자 라벨 태그입니다.
• cue 사이의 빈 줄 간격. 보통 이걸 그대로 두지 않고 일반적인 단락이나 문장 간격으로 합쳐주고 싶을 것입니다.

손으로(또는 찾기/바꾸기로) 처리하면 왜 잘못되는가

타임스탬프 줄을 제거하는 간단한 정규식은 짧은 파일에서는 보통 잘 작동하지만, 흔히 두 가지가 이를 깨뜨립니다. 운영체제마다 다른 줄바꿈 문자(\n과 \r\n이 섞여서 내보내지는 경우)와, 얼핏 보면 일반 텍스트처럼 보여서 단순한 패턴 매칭을 틀어지게 하는 cue 번호입니다. 긴 파일(에피소드 전체 대본, 강의, 몇 시간짜리 인터뷰)에서는 단 한 줄만 놓쳐도 전체를 눈으로 다시 훑어봐야 합니다.

더 미묘한 문제도 있습니다. 문장 중간에 두 cue가 나뉘어 있을 때(문장이 길어져서 cue 경계를 넘어갈 때 흔함), 타이밍 줄만 지우면 두 줄로 쪼개진 문장이 아무런 구두점 연결 없이 남게 됩니다. 좋은 제거 도구는 이런 부분을 단순히 조각으로 남기지 않고 제대로 다시 이어줍니다.

제대로 처리하기

저희 타임스탬프 제거기는 SRT나 VTT 파일을 받아 깨끗한 단락 텍스트를 출력합니다. cue 번호, 타이밍, 태그가 모두 사라지고, cue 사이에서 끊긴 문장은 다시 이어지며, 모든 처리는 브라우저 안에서 로컬로 이루어지므로 대본이 기기를 벗어나지 않습니다. 수백 줄의 타임스탬프를 손으로 지우지 않고 “시간 정보가 있는 자막 파일”에서 “읽을 수 있는 텍스트”로 가는 가장 빠른 길입니다.