YouTube 영상 스크립트·텍스트 변환 방법 (자막 있을 때·없을 때)

작성자: : Taption Team | 2026년 11월 9일 | 14분 읽기

유튜브 영상을 텍스트로 바꾸고 싶으신가요? 방법은 영상에 자막 트랙이 있는지에 따라 달라집니다. CC 자막이 있으면 유튜브 기본 기능인 ‘스크립트’(유튜브 화면에서 영상 대본을 부르는 이름)로 자막 텍스트를 무료로 복사하면 되고, 자막이 없으면 AI 음성 인식으로 오디오에서 스크립트를 새로 만들어야 합니다. 강의 내용을 노트로 정리하려는 학생, 인터뷰를 글로 다시 쓰는 마케터, 자막 파일이 필요한 영상 크리에이터를 위한 가이드입니다.

먼저 확인하기: 내 영상에 CC 자막이 있을까?

PC 브라우저에서 영상을 열고 제목 아래 설명란을 펼쳐 맨 아래까지 내려간 다음 스크립트 표시 버튼이 있는지 확인합니다. 버튼이 있으면 자막 트랙이 있는 영상입니다.

상황	방법	얻는 결과
CC 자막 있음	유튜브 기본 기능 ‘스크립트 표시’로 무료 복사	자막 텍스트(타임스탬프 포함 여부 선택 가능). 문장부호와 문단은 직접 정리해야 함
CC 자막 없음	AI 음성 인식 도구로 오디오에서 스크립트 생성	문장부호와 타임라인이 포함된 스크립트. TXT 또는 SRT로 내보내기 가능

이 글에서 자막이 없는 경우의 과정은 Taption으로 시연합니다. 다른 음성 인식 도구도 원리는 같습니다.

이 버튼이 보이지 않는 영상은 왜 그럴까요? YouTube 고객센터의 ‘자동 자막 사용’ 도움말에 따르면 흔한 원인은 다음과 같습니다. 영상의 오디오를 아직 처리하는 중이거나, 자동 자막이 지원되지 않는 언어이거나, 영상이 너무 길거나, 음질이 너무 나쁘거나 YouTube가 영상 속 음성을 인식하지 못하는 경우입니다. 시작 부분의 무음 구간이 너무 길 때, 여러 사람이 동시에 말하거나 여러 언어가 동시에 나올 때도 마찬가지입니다.

방법 1: 기본 기능으로 유튜브 스크립트 무료 복사하기

자막이 있는 영상은 YouTube 공식 스크립트 보기 안내에 따라 스크립트를 열 수 있습니다. 아래에서는 PC 브라우저에서 텍스트를 직접 선택해 복사합니다. YouTube가 제공하는 자막 파일 다운로드 기능은 아닙니다.

1단계: PC 브라우저에서 유튜브 영상을 열고, 제목 아래 설명란 끝에 있는 ...더보기를 클릭해 설명란 전체를 펼칩니다.
2단계: 설명란 맨 아래의 스크립트 영역까지 내려가 스크립트 표시를 클릭합니다.
3단계: 플레이어 오른쪽(또는 아래)에 스크립트 패널이 열립니다. 아무 줄이나 클릭하면 해당 시점으로 이동해 재생됩니다.
4단계: 패널 오른쪽 위의 ⋮를 누르고 타임스탬프 전환을 선택해 타임코드를 남길지 숨길지 정합니다.
5단계: 먼저 영상을 일시 정지해 스크립트의 자동 스크롤이 텍스트 선택을 방해하지 않도록 합니다. 필요한 내용을 마우스로 선택한 뒤 Ctrl + C(Mac은 Cmd + C)를 눌러 복사합니다. 텍스트 편집기에 붙여넣고 처음과 끝이 모두 복사되었는지 확인하세요. 내용이 길면 나누어 복사해도 됩니다.

YouTube 영어 화면의 조작 예시. 번호 5개로 ...more, Show transcript, 스크립트의 시간 표시, Toggle timestamps 메뉴, Ctrl+C/Cmd+C 복사 단축키를 표시합니다.

영어 화면을 설명하는 예시 이미지이며 실제 영상 테스트 기록은 아닙니다. ...more는 설명 펼치기, Show transcript는 스크립트 표시, Toggle timestamps는 타임스탬프 표시 전환에 해당합니다. 복사하기 전에 영상을 일시 정지하세요.

이 방법에는 세 가지 제약이 있습니다.

모바일 앱에서는 복사할 수 없음: YouTube 앱의 스크립트는 줄을 눌러 해당 시점으로 이동할 수는 있지만, 현재는 텍스트를 직접 선택해 복사할 수 없습니다. 휴대폰에서는 브라우저로 youtube.com을 열고 데스크톱 사이트로 전환하세요.
임베드 플레이어에서는 보이지 않음: 다른 웹사이트에 삽입된 유튜브 플레이어에는 설명란이 표시되지 않습니다. 유튜브의 원래 영상 페이지로 돌아가야 스크립트를 열 수 있습니다.
시청자는 자막 파일을 내려받을 수 없음: 유튜브에는 시청자용 자막 파일 다운로드 버튼이 없습니다. 채널 소유자는 YouTube 스튜디오에서 자기 영상의 자막을 내려받을 수 있으며, 방법은 YouTube 스튜디오 자막 수정·다운로드 도움말에 나와 있습니다.

끊어진 자막을 읽기 좋은 문단으로 정리하기

자동 생성 자막은 한 줄씩 짧게 끊겨 있습니다. 문장부호가 거의 없고 영문 고유명사가 소문자로 바뀌는 경우가 흔하며, 누가 말했는지도 대개 표시되지 않습니다. 대만 시청자를 위한 중국어 영상이라면 간체자나 대만에서 잘 쓰지 않는 어휘가 섞여 나오기도 합니다.

예시 하나로 살펴보겠습니다. 진행자와 발표자가 주고받는 아래의 짧은 문답은 형식 차이를 보여 주려고 작성한 것으로, 실제 영상에서 나온 결과가 아닙니다. 뒤에 나오는 TXT와 SRT 예시에도 같은 내용을 씁니다. 복사한 자막은 대략 이런 모습입니다.

온라인 강의 노트는 어떻게 정리하나요
먼저 youtube 스크립트를 가져온 다음
영상과 대조해서 고유명사를 확인합니다
자막이 없는 영상은 어떻게 하나요
음성 인식으로 스크립트를 만든 뒤
자막 파일로 내보내면 됩니다

ChatGPT, Claude, Gemini에 ‘이 스크립트 좀 정리해 줘’라고만 요청하면 모델이 요약문을 써 버릴 가능성이 큽니다. 내용을 빠짐없이 남기고 싶다면 아래의 권장 프롬프트로 요구 사항을 분명히 적어, 내용이 생략될 여지를 줄이세요.

아래는 유튜브에서 복사한, 문장부호가 없는 스크립트입니다. 읽기 편한 ‘한국어’ 문단 글로 정리해 주세요. 다음 5가지 규칙을 지켜 주세요.
1. 【요약·삭제 금지】: 모든 문장의 원래 의미와 세부 내용을 그대로 유지하고, 요약문으로 바꾸거나 문장을 삭제하지 마세요.
2. 【문장부호 보완과 문단 나누기】: 의미에 맞게 문장을 끊어 문장부호(, . ? ! 등)를 넣고, 3~5문장마다 주제에 따라 문단을 나누세요.
3. 【영문 고유명사 유지】: 영문 기술 용어, 제품명, 약어(예: YouTube, API, SRT)는 영문 그대로 두되 표준 대소문자 표기로 바로잡고, 억지로 한국어로 번역하지 마세요.
4. 【잘못 인식된 단어와 맞춤법 교정】: 원래 의미를 바꾸지 않는 범위에서 음성 인식이 명백하게 잘못 받아 적은 단어만 고치고, 표기는 한국어 표준 맞춤법에 맞추세요(예: ‘됬습니다’를 ‘됐습니다’로 수정).
5. 【타임코드 유지(있는 경우)】: 입력 텍스트에 타임코드(예: 0:01)가 있으면 각 문단 첫머리에 그 문단의 시작 타임코드를 남기세요(형식: [00:01]).

아래는 원본 스크립트입니다.
[유튜브 스크립트 텍스트 붙여넣기]

그러면 아래와 비슷한 결과를 기대할 수 있습니다(이것도 설명용 예시입니다).

온라인 강의 노트는 어떻게 정리하나요? 먼저 YouTube 스크립트를 가져온 다음, 영상과 대조해서 고유명사를 확인합니다.

자막이 없는 영상은 어떻게 하나요? 음성 인식으로 스크립트를 만든 뒤, 자막 파일로 내보내면 됩니다.

생성형 모델은 그래도 문장을 빠뜨리거나 고쳐 쓸 수 있으므로, 인용할 내용은 영상과 다시 대조해 확인하세요. 긴 스크립트는 주제별로 확인하기 편한 길이로 나누어 붙여넣고, 각 부분을 원문과 대조하세요. 또한 원본 자막에 화자가 이미 표시되어 있지 않은 한 정리한 텍스트에는 화자 이름이 없으며, 이 텍스트를 그대로 자막 파일로 쓰기에도 적합하지 않습니다.

방법 2: 자막 없는 유튜브 영상, AI 음성 인식으로 텍스트 변환하기

기존 자막을 가져오기만 하는 도구는 자막 트랙이 없는 영상을 만나면 가져올 내용이 없습니다. 이럴 때는 오디오를 직접 ‘듣는’ 음성 인식 도구로 소리에서 텍스트와 타임라인을 새로 만들어야 합니다. 클라우드 서비스도, OpenAI Whisper 오픈소스 음성 인식 모델도 이 원리로 작동합니다. 다만 Whisper를 내 컴퓨터에서 실행하려면 명령줄로 설치하고 설정해야 하며, 화자 분리 기능은 내장되어 있지 않습니다.

Taption 사용법: 링크 붙여넣기, 음성 인식, 교정, 내보내기

아래에서는 유튜브 영상 텍스트 변환·스크립트 생성 도구로 시연합니다. 공개 영상의 링크를 붙여넣는 것부터 파일을 내보내기까지 모두 다섯 단계입니다. 시작하기 전에 세 가지를 확인하세요.

계정: 유튜브 링크를 붙여넣으려면 먼저 로그인해야 합니다. 신규 계정에는 20분의 무료 사용량이 제공되며 신용카드를 등록할 필요가 없습니다.
공개적으로 접근할 수 있는 영상: 비공개 영상, 채널 멤버십 전용 영상, 연령 제한 영상, 지역 차단 영상, DRM으로 보호된 영상, 그리고 진행 중인 라이브 스트림은 링크로 가져올 수 없습니다. 게시한 지 24시간이 지나지 않은 영상이나 막 끝난 라이브 다시보기는 가져오기에 실패할 수 있으니, 그럴 때는 파일을 업로드하세요.
길이와 용량: 파일 하나당 최대 길이는 5시간입니다. 파일 크기 제한은 업로드 전에 계정의 업로드 창에서 확인하세요. 대용량 파일은 가져올 수 있는지 확인한 뒤 처리를 시작하세요. 무료 사용량을 넘긴 뒤의 요금은 Taption 요금제 및 가격에서 확인하세요.

1단계｜링크 붙여넣기: 로그인한 뒤 왼쪽 위의 업로드를 클릭하고, 파일을 업로드 창 위쪽에서 Youtube 아이콘으로 전환해 영상 주소를 붙여넣습니다.
2단계｜언어 선택: 대화언어를 선택 메뉴에서 영상 속에서 실제로 말하는 언어를 고릅니다. 한국어 영상이라면 🇰🇷 한국어(대한민국)입니다. 표준 중국어 영상의 경우, 중국어가 중심이고 영어 단어가 드문드문 나오는 정도라면 🇹🇼 중국어(대만)을, 중국어 문장과 영어 문장이 자주 번갈아 나온다면 🇹🇼＋🇺🇸 한국어 & 영어 (번체)(중국어·영어 혼용, 번체 출력)를 선택합니다. 두 옵션의 차이는 표준 중국어 및 중·영 혼용 음성의 번체 중국어 스크립트 변환을 참고하세요. 메뉴에 대만어(민남어) 단독 옵션은 없으므로, 대만어 대사가 많은 영상은 사람이 직접 교정할 부분이 더 많습니다.
3단계｜분할 방식 선택: 받아쓰기 방법을 선택에서 자동 받아쓰기를 고른 뒤, 용도에 맞게 대본 분할 방식을 정합니다. 인터뷰와 회의는 화자별 분할을 선택하며, 이때 스피커 번호(영상에서 말하는 사람의 총인원)와 스피커 라벨을 미리 입력해 둘 수 있습니다. 한 사람이 말하는 강연이나 강의는 일반 대본을 선택하면 의미 단위로 나뉘고, 자막을 넣을 영상은 영상 자막을 선택합니다. 자막당 최대 문자 수의 한국어 기본값은 16이며, 이 숫자를 직접 지정하려면 Premium 또는 Bulk 구독이 필요합니다. 2단계의 중·영 혼용(번체) 옵션을 선택했을 때는 이 항목이 표시되지 않습니다.
4단계｜교정: 작성을 클릭합니다. 변환이 끝나면 편집기 왼쪽에는 영상이, 오른쪽에는 타임코드가 붙은 스크립트가 나타납니다. 음성 인식 결과에는 오류가 남을 수 있습니다. 특히 배경 소음, 억양, 겹치는 발화나 고유명사가 많은 부분은 내보내기 전에 원본 음성과 대조해 교정하세요. 화자 이름은 발화자 메뉴에서 바꾸고, 같은 오탈자는 모두 바꾸기로 한꺼번에 고칩니다. 자주 쓰는 고유명사는 드래그해 선택한 뒤 맞춤사전에 등록하기를 눌러 개인 AI 사전에 저장해 둡니다. 긴 인터뷰를 교정하는 순서는 번체 중국어로 작성된 회의 스크립트 정리 및 효율적인 교정 가이드를 참고하세요.
5단계｜내보내기: 오른쪽 위의 내보내기를 클릭하고 받아쓰기 내보내기 창에서 필요한 형식을 골라 다운로드합니다. 무료 사용량만 쓰는 경우에는 내보낸 파일 이름에 _taption이 붙고 파일 끝에 「Taption으로 전사됨」이라는 문구가 한 줄 추가되며, TXT·PDF의 타임코드와 화자 이름 스위치도 사용할 수 없습니다. 시간을 구매하거나 구독하면 이 제한이 풀립니다. 이중 언어 자막은 Premium 또는 Bulk 구독이 있어야 합니다.

Taption 영어 화면을 AI로 다시 그린 예시 이미지. Choose YouTube, Set the language, Choose layout & create, Export the transcript의 패널 4개가 있으며 글자 수는 14, 내보내기 형식은 SRT로 표시됩니다.

영어 화면 캡처를 바탕으로 AI가 다시 그린 예시이며 원본 스크린샷은 아닙니다. 패널 1·2·3은 본문의 1·2·3단계에, 패널 4는 5단계에 해당합니다. 내보내기 전에는 4단계의 교정도 완료하세요. Create는 ‘작성’, Export는 ‘내보내기’에 해당합니다. 표시된 14는 예시 설정값으로, 선택한 언어의 기본 글자 수 제한을 뜻하지 않습니다.

TXT, SRT, VTT 중 어떤 형식으로 내보낼까?

형식	내용	적합한 용도
TXT	일반 텍스트. 타임코드와 화자 이름 포함 여부 선택 가능	노트 정리, 글로 재작성, AI 도구에 입력
PDF	레이아웃이 고정된 문서. 타임코드와 화자 이름 포함 여부 선택 가능	보관, 여러 기기에서 읽기, 다른 사람에게 전달
SRT	일련번호, 시작·종료 시간(밀리초는 쉼표로 구분), 자막 텍스트	유튜브 자막 업로드, 편집 프로그램으로 가져오기
VTT	맨 앞에 `WEBVTT` 헤더가 있고 밀리초는 마침표로 구분	웹 플레이어, 온라인 강의 플랫폼

Word(.docx)는 받아쓰기 내보내기 창에 없습니다. AI 분석 결과에서 내려받아야 하며 AI 포인트가 차감됩니다. 이 창에는 그 밖에 MP4가 있고, Premium 또는 Bulk 구독이 필요한 FCPXML과 JSON도 있습니다.

TXT와 SRT는 어떻게 생겼을까? (형식 예시)

아래 예시는 앞에서 본 문답을 그대로 쓴 것으로, 파일 형식을 보여 줄 뿐 실제 영상의 인식 결과가 아닙니다. 두 형식에 담긴 내용은 같고 담는 방식만 다릅니다. TXT에 사용자 지정 형식 템플릿(Premium 또는 Bulk 구독 필요)을 적용해 타임코드와 화자 이름을 같은 줄에 배치하면 구간마다 한 줄이 됩니다.

[00:00:01] 진행자: 온라인 강의 노트는 어떻게 정리하나요?
[00:00:04] 발표자: 먼저 YouTube 스크립트를 가져온 다음, 영상과 대조해서 고유명사를 확인합니다.
[00:00:10] 진행자: 자막이 없는 영상은 어떻게 하나요?
[00:00:13] 발표자: 음성 인식으로 스크립트를 만든 뒤, 자막 파일로 내보내면 됩니다.

SRT는 같은 문장을 자막 한 줄 한 줄로 나누고, 각각에 일련번호와 시작·종료 시간을 붙입니다(여기서는 일반적인 자막 관례에 따라 줄 끝의 쉼표와 마침표를 생략했습니다).

1
00:00:01,000 --> 00:00:03,600
온라인 강의 노트는 어떻게 정리하나요?

2
00:00:04,000 --> 00:00:06,800
먼저 YouTube 스크립트를 가져온 다음

3
00:00:06,900 --> 00:00:09,600
영상과 대조해서 고유명사를 확인합니다

4
00:00:10,000 --> 00:00:12,400
자막이 없는 영상은 어떻게 하나요?

5
00:00:13,000 --> 00:00:15,400
음성 인식으로 스크립트를 만든 뒤

6
00:00:15,500 --> 00:00:17,500
자막 파일로 내보내면 됩니다

Taption의 자막 분할은 한국어와 번체 중국어 모두 구간당 최대 16자가 기본값입니다. 이는 제품의 기본값이지 자막 전반에 통용되는 규칙이 아닙니다. 번체 중국어 자막의 한 줄 글자 수와 문장부호 관례는 번체 중국어 자막 규격 가이드(줄당 16자·문장부호 기준)를 참고하세요. 자막을 별도 파일로 붙일지 화면에 직접 입힐지는 하드 자막 vs. 소프트 자막(SRT·VTT와 번인 MP4) 비교 가이드에서 다룹니다.

편집 프로그램에서 자막 글자가 깨져 보이면, 먼저 그 파일이 텍스트 편집기에서는 정상적으로 표시되는지 확인합니다. 글자가 정상이라면 대상 프로그램의 요구에 맞춰 UTF-8로 다시 저장합니다. 텍스트 편집기에서도 이미 깨져 있다면 올바른 원래 인코딩으로 다시 열어 글자가 복원되었는지 확인한 다음 변환해 저장해야 합니다. 그러지 않으면 깨진 글자를 다른 인코딩으로 저장할 뿐입니다. 일부 도구는 BOM이 포함된 UTF-8을 요구하기도 하는데, Taption에서 내려받은 .srt와 .txt 파일은 맨 앞에 UTF-8 BOM이 들어 있습니다. 파일이 .srt.txt로 저장되지 않았는지도 확인하세요. 이런 파일은 편집 프로그램이 대개 자막 파일로 인식하지 않습니다.

자주 묻는 질문

YouTube Shorts나 라이브 다시보기도 스크립트로 변환할 수 있나요?

가능하지만 몇 가지 유의할 점이 있습니다. Shorts 페이지에는 대개 ‘스크립트 표시’ 버튼이 나타나지 않습니다. 해당 Shorts에 CC 자막이 있다면 PC 브라우저에서 주소의 /shorts/VIDEO_ID를 /watch?v=VIDEO_ID로 바꾸세요. 그러면 일반 영상처럼 설명란을 펼쳐 스크립트를 복사할 수 있습니다. CC 자막이 없는 Shorts나 라이브 다시보기는 주소를 Taption의 업로드 → Youtube 창에 붙여넣어 음성 인식을 실행하면 됩니다. 진행 중인 라이브 스트림은 링크로 가져올 수 없어 방송이 끝날 때까지 기다려야 합니다. 종료되거나 게시된 지 24시간이 지나지 않은 영상은 가져오기에 실패할 수 있으니, 로컬 파일로 저장한 뒤 업로드하기를 권합니다.

중국어 스크립트에 간체자나 중국 본토식 용어가 나오면 대만 번체로 어떻게 바꾸나요?

중국어 스크립트를 대만식 번체로 써야 하는데 간체자나 중국 본토식 용어가 섞여 나왔다면, 그 텍스트를 어디서 가져왔는지에 따라 방법이 다릅니다. 유튜브에서 복사한 자막에는 앞의 권장 프롬프트를 쓰면 됩니다. 다만 이 글의 프롬프트는 한국어 스크립트용이므로, 출력 언어를 대만 번체 중국어로 지정하고 4번 규칙에서 「軟件」「視頻」 같은 단어를 대만에서 쓰는 「軟體」「影片」으로 바꾸도록 요청하세요. Taption으로 음성 인식을 할 때는 대화언어에서 🇹🇼 중국어(대만)처럼 번체로 출력되는 옵션을 선택한 뒤 개인 AI 사전과 모두 바꾸기로 특정 용어를 통일합니다. 이미 간체로 된 텍스트 파일이나 자막 파일을 가지고 있다면 오픈소스인 OpenCC(중국어 간체·번체 변환 도구, s2twp 대만 번체 어휘 설정)를 쓰면 됩니다. s2twp 설정은 글자체와 대만식 어휘를 함께 변환합니다.

여러 명이 나오는 인터뷰에서 누가 말했는지 구분할 수 있나요?

유튜브 스크립트에 화자 이름이 나오는지는 원본 자막에 이름 표시가 들어 있는지에 달려 있습니다. 원본 자막에 표시가 없으면 복사한 텍스트에도 대개 없습니다. 도구가 화자를 자동으로 구분하게 하려면 Taption에 업로드할 때 대본 분할 방식을 화자별 분할로 설정하세요. 시스템이 목소리를 기준으로 구간을 나누며, 변환이 끝나면 발화자 메뉴에서 기본 이름을 실제 이름으로 바꿀 수 있습니다. 기능 설명은 화자 분리 페이지에 있습니다. 여러 사람이 동시에 말하거나 말을 끊고 끼어드는 구간은 여전히 잘못 나뉠 수 있어 사람이 직접 고쳐야 합니다.

유튜브 링크를 Gemini Notebook(구 NotebookLM)에 넣었는데 가져오기에 실패하면 어떻게 하나요?

먼저 영상이 조건에 맞는지 확인하세요. Google 공식 Gemini Notebook(NotebookLM) 소스 가져오기 규칙에 따르면 자막이 있는 공개 유튜브 영상만 지원하며, 가져오는 것도 자막 텍스트뿐입니다. 업로드한 지 72시간이 지나지 않은 영상은 가져오지 못할 수 있고, 영상이 삭제되거나 비공개로 바뀌면 소스는 30일 이내에 노트북에서 삭제됩니다. 조건에 맞지 않는 영상은 이 글의 방법으로 스크립트를 만든 다음 TXT나 PDF 파일을 소스로 업로드하면 됩니다. 파일에 타임코드와 화자 이름이 들어 있으면 이 정보도 검색할 수 있는 텍스트가 됩니다. 다만 가져온 소스는 일반 텍스트이므로, 대화에서 언급되는 시점은 영상으로 돌아가 확인하기를 권합니다.

누구나 볼 수 있게 공개되어 있다고 해서 마음대로 복제하거나 배포해도 된다는 뜻은 아닙니다. 본인이 소유하거나 이용 허락을 받은 영상을 우선 대상으로 삼으세요. 그 밖의 이용이 공정 이용에 해당하는지는 목적, 이용 범위, 적용되는 법률에 따라 판단해야 하며, ‘개인 연구용’이라거나 ‘출처를 밝혔다’는 이유만으로 인정되지는 않습니다. 이상은 일반적인 정보이며 법률 자문이 아닙니다.