WebVTT 캡션을 일반 텍스트로 변환하기

WebVTT(Web Video Text Tracks)는 HTML5 비디오를 위한 W3C 표준 캡션 형식이며, Zoom, Microsoft Teams, Google Meet, YouTube가 회의 스크립트나 비디오 캡션 파일을 다운로드할 때 내보내는 형식입니다. 모든 .vtt 파일은 WEBVTT 헤더 줄로 시작하고, 이어서 마침표로 구분된 밀리초로 타이밍이 맞춰진 큐가 이어집니다(SRT의 쉼표가 아니라 00:00:03.500). WebVTT는 SRT보다 더 풍부한 메타데이터도 지원합니다. 타이밍 줄의 align:start position:10%와 같은 큐 설정, 누가 말하고 있는지 표시하는 <v Speaker Name> 같은 음성 태그, 그리고 대화가 아니라 주석이나 CSS 비슷한 스타일을 담는 NOTE / STYLE / REGION 블록 등입니다.

이 중 어느 것도 일반 텍스트 스크립트에는 필요하지 않습니다. SubToolDesk의 파서는 브라우저의 FileReader API를 통해 파일을 로컬에서 읽고, 헤더와 메타데이터 블록을 버리고, 음성 및 스타일 태그를 제거하며, 요청하면 남은 캡션을 실제 문단으로 흐르듯 이어 붙입니다.

단계별 안내

• .vtt 캡션 파일을 내보내거나 찾아두세요(Zoom과 Teams 모두 회의 후 “스크립트 다운로드” 또는 “캡션 다운로드” 옵션을 제공합니다).
• 위 변환기에 끌어다 놓거나, 원본 VTT 텍스트를 왼쪽 패널에 붙여넣으세요.
• 형식 배지가 VTT로 표시되는지 확인하세요.
• 음성 태그와 큐 설정을 제거하려면 서식 태그 제거를 켜 두세요.
• 캡션이 줄 앞에 이름을 텍스트로 붙이고 있다면(자동 생성된 Teams 스크립트에서 흔함) 화자 레이블 제거를 켜 두세요.
• 결과로 나온 .txt 스크립트를 복사하거나 다운로드하세요.

WebVTT를 일반 텍스트로 변환하는 이유

.vtt 파일은 읽는 사람이 아니라 비디오 플레이어를 위해 만들어집니다. 이를 일반 텍스트로 정리하는 이유는 거의 항상 그다음에 할 일 때문입니다.

• 회의록이나 프로젝트 문서에 붙여넣기, 타임스탬프와 음성 태그는 그저 잡음일 뿐입니다.
• AI 요약 도구나 챗봇에 스크립트 입력하기, 수백 개의 2초짜리 조각보다 연속된 문장을 훨씬 더 잘 이해합니다.
• 녹음된 통화, 웨비나, 팟캐스트로 블로그 요약이나 쇼 노트 작성하기.
• 캡션 파일을 배포하지 않고 영상을 일반 텍스트 페이지로 접근 가능하거나 검색 가능하게 만들기.
• 원본 녹음이 더 이상 필요 없을 때 읽기 쉬운 기록으로 스크립트 보관하기.
• 번역이나 교정을 위해 스크립트 전달하기, 번역가와 편집자는 큐 블록이 아니라 문단 단위로 작업합니다.

변환 전후 비교: 실제 예시

음성 태그, 큐 설정, NOTE 블록까지 포함된 짧은 Zoom 스타일 내보내기를 문단으로 병합, 화자 레이블 제거, 서식 태그 제거를 모두 켠 상태(이 페이지의 기본 설정)로 변환한 예시입니다.

WEBVTT

NOTE
Zoom에서 생성된 스크립트

00:00:01.200 --> 00:00:03.900 align:start position:10%
<v Jordan>안녕하세요, 오늘 통화에 참여해 주셔서 감사합니다.

00:00:03.900 --> 00:00:06.450
<v Priya>물론이죠! 바로 시작해 볼까요.

00:00:06.450 --> 00:00:09.800
<v Jordan>좋습니다, 그럼 의제의 첫 번째 항목은 3분기 로드맵입니다.

안녕하세요, 오늘 통화에 참여해 주셔서 감사합니다. 물론이죠! 바로 시작해 볼까요. 좋습니다, 그럼 의제의 첫 번째 항목은 3분기 로드맵입니다.

WEBVTT 헤더, NOTE 블록, 모든 타임스탬프 줄과 큐 설정, 그리고 <v Jordan> 음성 태그 두 개가 모두 사라졌습니다. 남은 것은 실제로 말한 내용뿐이며, 읽기 쉬운 문장으로 다시 구성되었습니다.

WebVTT 형식, 자세히 살펴보기

여러 화자가 등장하는 일반적인 VTT 큐는 다음과 같은 모습입니다:

00:00:03.500 --> 00:00:06.120 align:start position:10%
<v Jordan>오늘 통화에 참여해 주셔서 감사합니다.

SRT와 달리, WebVTT에서 선행 큐 식별자 줄은 선택 사항이며 순차적인 번호가 아니라 어떤 문자열도 될 수 있습니다. SubToolDesk의 파서는 고정된 줄 순서를 가정하는 대신 타임스탬프 줄(항상 -->를 포함합니다)을 직접 감지하므로, 식별자가 있는 파일과 없는 파일 모두 올바르게 분석됩니다.

회의 스크립트에서 특히 이 변환이 중요한 이유

Zoom과 Teams의 자동 캡션은 타이밍은 잘 맞지만, 내보낸 파일은 읽는 사람이 아니라 비디오 플레이어를 위해 최적화되어 있습니다. 한 시간짜리 회의는 각각 음성 태그가 붙은 문장 조각인 2초짜리 큐 수백 개를 만들어낼 수 있습니다. 이를 문단 병합을 켠 상태로 이 변환기에 통과시키면 회의록, 블로그 요약, 또는 AI 요약 도구에 전달할 프롬프트에 바로 붙여넣을 수 있는 형태가 되며, 원본 녹음이나 스크립트는 사용자의 기기를 벗어나지 않습니다.

WebVTT 파일은 실제로 어디에서 오는가

영상 회의를 넘어서, WebVTT는 캡션이 있는 어떤 영상이든 YouTube에서 다운로드할 수 있는 캡션 형식이며, 대부분의 AI 전사 서비스(OpenAI Whisper 내보내기 포함)가 기본적으로 사용하는 형식이고, 웹페이지에 직접 임베드된 캡션 영상에 HTML5 <track> 요소가 요구하는 형식입니다. 지난 몇 년 사이 온라인 어디에서든 캡션 파일을 다운로드했다면, 더 오래된 SRT 형식이 아니라 WebVTT일 가능성이 큽니다. 이것이 범용 텍스트 제거 스크립트가 아니라 VTT를 전용으로 다루는 정리 도구가 중요한 이유 중 하나입니다. 범용 접근법은 음성 태그를 찾거나 NOTE 블록을 건너뛰어야 한다는 사실조차 알지 못합니다.

여러 화자가 있는 스크립트를 잘 처리하기

자동 캡션 도구는 때로는 같은 파일 안에서도 두 가지 다른 방식으로 화자를 표시합니다. WebVTT의 네이티브 <v Speaker Name> 태그를 쓰거나, 줄 시작에 일반 텍스트를 붙이는 방식(Jordan: 참여해 주셔서 감사합니다.)입니다. 이 도구의 서식 태그 제거 토글은 첫 번째 방식을 제거하고, 화자 레이블 제거는 두 번째 방식을 제거합니다. 둘을 함께 켜면(이 페이지의 기본 설정) 원본 파일이 어느 방식을 쓰든 두 태그 형식 모두 남지 않은 스크립트가 만들어집니다.

이 변환기가 유지하는 것과 제거하는 것

유지되는 것:

• 원래의 순서와 문장부호를 그대로 유지한 모든 발화 텍스트.
• 원래의 큐당 한 줄 구조, 또는 문단으로 병합이 켜져 있다면 문장 단위 문단 구분.

제거되는 것:

• WEBVTT 헤더 줄.
• NOTE, STYLE, REGION 메타데이터 블록.
• 큐 식별자 줄과 모든 타임스탬프 범위.
• align:start position:10%와 같은 타임스탬프 줄의 큐 설정.
• 서식 태그 제거가 켜져 있을 때 <v Speaker Name>과 같은 음성 태그.
• 화자 레이블 제거가 켜져 있을 때 Jordan:과 같은 일반 텍스트 화자 접두사.

자주 발생하는 문제와 해결 방법

• 출력에 타임스탬프나 --> 화살표가 여전히 남아 있습니다: 변환기 위의 형식 배지가 실제로 Unknown이 아니라 VTT로 표시되는지 확인하세요. 심하게 잘린 채로 붙여넣으면 큐 감지가 깨질 수 있습니다.
• <v Speaker Name> 태그가 여전히 텍스트 안에 있습니다: 서식 태그 제거를 켜세요. 직접 바꾸지 않았다면 기본적으로 꺼져 있을 리가 없습니다.
• Jordan:과 같은 일반 텍스트 이름이 여전히 줄 앞에 붙어 있습니다: 이는 별개의 토글인 화자 레이블 제거입니다. 위의 음성 태그 제거와는 다른 패턴을 감지하므로 이것도 켜세요.
• 스크립트가 자연스러운 문단이 아니라 한 줄에 한 문장씩 표시됩니다: 문단으로 병합을 켜세요.
• 화자가 바뀌는 지점을 알 수 없을 정도로 문단이 너무 길어집니다: 대신 문단으로 병합을 끄고 큐당 한 줄을 유지하세요. 화자 레이블이 제거되면 일반 텍스트만으로는 문단 중간의 화자 전환을 표시할 방법이 없습니다.
• 발음 기호가 있는 문자나 비영어 텍스트가 é처럼 깨진 문자로 표시됩니다: 원본 .vtt가 UTF-8로 저장되지 않았습니다. UTF-8로 다시 내보내거나 저장한 뒤 다시 업로드하세요.

결과물을 믿기 전에 확인해야 할 것

자동 생성된 캡션은 간혹 이름, 전문 용어, 발음에 특색이 있는 발화를 잘못 전사하는데, 이는 파일을 만든 캡션 시스템의 한계이며 텍스트 포맷터가 고칠 수 있는 부분이 아닙니다. SubToolDesk는 원본 파일에 있는 내용을 그대로 재구성할 뿐이므로, 회의록이나 법률 기록처럼 공식적인 용도로 스크립트를 사용하기 전에 출력 패널을 원본 녹음과 빠르게 대조해 보는 것이 좋습니다.