강제 정렬

강제 정렬 노드는 이미 아는 녹취록의 모든 단어를 오디오에 맞춰 시간을 잽니다. 녹음과 그 안에서 말하는 정확한 텍스트를 주면 단어마다 시작 시간과 끝 시간을 반환합니다. 결과는 오디오가 아닌 데이터입니다. 노래방식 하이라이트, 단어에 반응하는 그래픽, 생성한 음성의 속도 확인에 쓰세요.

사용 시기

• 이미 있는 스크립트로 캡션이나 자막에 쓸 정확한 단어 타이밍을 얻습니다.
• 오디오를 따라가는 노래방식 단어 하이라이트를 만듭니다.
• 애니메이션이나 모션 그래픽을 특정 단어에 맞춥니다.
• 동영상 구성에서 시각 요소를 음성에 맞춥니다.
• 텍스트 음성 변환 출력의 타이밍이 예상한 속도와 맞는지 확인합니다.

녹취록이 없으면 음성 텍스트 변환을 쓰세요. ElevenLabs STT와 Incredibly Fast Whisper에서는 녹취록 출력에 단어 타이밍이 이미 담겨 있습니다.

빠른 시작

입력과 출력

출력인 데이터는 단어와 그 시작 시간, 끝 시간을 담은 목록입니다. 오디오가 아닌 데이터이므로 텍스트나 데이터를 받는 노드에 연결됩니다.

설정

결과 읽기

데이터 출력은 다음과 같습니다.

[
  { "word": "Hello", "start": 0.0, "end": 0.35 },
  { "word": "world", "start": 0.38, "end": 0.72 }
]

모델

팁

• 녹취록을 음성에 맞추세요. 텍스트와 오디오가 다르면 타이밍을 믿을 수 없게 됩니다.
• 녹취록을 정리하세요. 실제로 말한 것이 아니라면 군말, 말 더듬기, [music] 같은 메모는 지우세요.
• 일반 텍스트를 쓰세요. 타임스탬프, 화자 라벨, 서식은 빼세요. 말한 그대로의 단어만 적으세요.
• 녹음 전체를 다루세요. 녹취록이 일부만 있으면 그 부분만 정렬됩니다.
• 잡음이 많은 오디오는 먼저 정리하세요. 녹음을 음성 추출에 먼저 통과시키면 타이밍이 더 정확해집니다.
• 어려운 음성에서는 정확도가 떨어질 수 있습니다. 아주 빠른 말, 강한 억양, 겹치는 화자는 정확도를 낮출 수 있습니다.

API에서 사용

MCP 도구는 forced_alignment입니다. MCP 도구를 참고하세요.