자막 추가

자막 추가 노드는 동영상에 자막을 넣습니다. 동영상 속 음성을 텍스트로 변환하거나 연결한 녹취록을 받아, 단어를 화면에 입힙니다. 깔끔한 정적 자막을 보여 줄 수도 있고, 말을 단어별로 따라가는 애니메이션 스타일 5가지 중 하나를 쓸 수도 있습니다. 글꼴, 외곽선, 위치, 줄마다 들어가는 단어 수도 정할 수 있습니다.

사용 시기

• 토킹 헤드 동영상이나 내레이션 동영상에 자막을 넣고 싶을 때.
• TikTok, Reels, Shorts용 단어별 애니메이션 자막을 원할 때.
• 음성이 있는 모든 동영상에 접근성 자막을 넣고 싶을 때.
• 뮤직비디오에 가라오케 스타일 가사를 넣고 싶을 때.

빠른 시작

입력

출력인 동영상은 자막을 입힌 동영상입니다.

설정

글꼴

글꼴 목록에는 24가지 글꼴이 있습니다.

Rubik, Heebo, Cairo, Tajawal은 히브리어와 아랍어를 지원합니다. 히브리어와 아랍어 자막은 오른쪽에서 왼쪽으로 표시됩니다. 방향은 자막 대부분의 언어를 따르므로, 히브리어 클립 앞부분에 라틴 문자로 된 브랜드 이름이 있어도 줄의 방향이 뒤집히지 않습니다.

자막 스타일

앱에서는 애니메이션 스타일 다섯 가지를 키네틱 스타일이라고 부릅니다.

룩

룩은 여러 시각적 선택을 하나로 묶으므로, 설정 하나만으로 잘 읽히는 자막을 만들 수 있습니다.

• 컨트롤은 룩의 개별 요소를 덮어씁니다. 외곽선(TikTok)에서 말하는 단어 색상만 바꾸면 글꼴, 대문자, 외곽선은 그대로 유지됩니다.
• 말하는 단어 색상은 세 스타일에서 보입니다. TikTok 스타일 단어, 가라오케, 단어 하이라이트만 한 번에 한 단어를 표시합니다. 자막과 워드 팝은 룩의 글꼴, 외곽선, 대소문자를 한 가지 색상으로 씁니다.
• 글꼴 크기는 룩의 글꼴에 따라 달라집니다. Montserrat Black 대문자는 대소문자가 섞인 Inter보다 글자당 약 30% 넓습니다. 그래서 같은 글꼴 크기라도 외곽선(TikTok)에서는 한 줄에 들어가는 단어가 적습니다. 클린, Bebas Neue, Anton, Oswald 같은 좁은 글꼴, 또는 더 작은 크기를 고르세요.
• 외곽선은 텍스트와 함께 커집니다. 룩이 외곽선을 그리면 두께는 글꼴 크기의 10%를 반올림한 값이며, 최소 2픽셀입니다. 그 절반은 글자 바깥에 있으므로, 눈에 보이는 테두리는 글꼴 크기의 약 5%입니다. 크기 64에서는 6픽셀 외곽선, 크기 32에서는 3픽셀 외곽선입니다. 두께를 직접 정하려면 외곽선 두께를 설정하고, 없애려면 0으로 설정하세요.

자막을 줄로 묶는 방식

단어 하이라이트, 가라오케, 바운스, 그리고 음성을 텍스트로 변환한 자막 스타일은 한 번에 한 줄씩 보여 줍니다. 한 번에 한 단어도 아니고, 녹취록 전체를 한 블록으로 보여 주는 것도 아닙니다.

• 한 줄에는 고른 글꼴 크기와 글꼴로 프레임 너비의 약 85%에 들어가는 만큼 단어가 들어갑니다.
• ., !, ?, …로 표시되는 문장 끝이나, 두 단어 사이에 0.5초 이상 쉼이 있으면 줄이 일찍 끝납니다.
• 한 줄에 들어가지 않는 긴 구문은 균형 잡힌 여러 줄로 나뉘므로, 마지막 단어가 혼자 남지 않습니다. 예를 들어 STUDIO.만 혼자 남는 대신 OK SO I BUILT / A WORLD IN / NODARO STUDIO.로 나뉩니다.
• 한 줄은 마지막 단어가 끝난 뒤 최대 1.5초 동안 화면에 남으며, 다음 줄이 시작되는 순간 다음 줄로 바뀝니다. 줄 안의 쉼이나 줄 사이의 짧은 쉼 때문에 빈 프레임이 생기지 않습니다. 1.5초보다 긴 침묵이 있으면 자막이 사라집니다.
• 줄은 단독 대시로 시작하거나 끝나지 않습니다. Nodaro — every model처럼 양쪽에 공백이 있는 대시는 흔히 별도의 단어로 타이밍이 잡힙니다. 줄바꿈이 그 대시 바로 앞이나 바로 뒤에 오면 대시는 줄에서 빠지고, 단어의 타이밍은 그대로 유지됩니다. 줄 안의 대시는 그대로 남습니다. 같은 규칙이 TikTok 스타일 단어 페이지, 워드 팝 단어, 줄당 최대 단어 수로 줄바꿈한 텍스트 블록에도 적용됩니다. 워드 팝에서는 단독 대시 앞의 단어가 대신 화면에 남습니다.
• 줄 안에서는 강조, 채우기, 튀기 같은 효과가 단어에서 단어로 옮겨 갑니다. 쉼이 있는 동안에는 마지막으로 말한 단어가 활성 상태로 남습니다. 자막 줄에는 단어별 효과가 없습니다.

줄을 그리지 않는 두 스타일도 같은 규칙을 따릅니다.

• 워드 팝은 각 단어를 다음 단어가 시작될 때까지 화면에 두며, 단어가 끝난 뒤 최대 1.5초까지 유지합니다.
• TikTok 스타일 단어는 페이지가 문장 끝이나 0.5초 이상의 쉼을 넘어 이어지지 않습니다. 각 페이지는 다음 페이지가 시작될 때까지 남으며, 마지막 단어가 끝난 뒤 최대 1.5초까지 유지됩니다.

줄당 최대 단어 수

줄당 최대 단어 수는 한 줄, 또는 TikTok 스타일 단어의 한 페이지에 들어가는 단어 수의 상한을 정합니다. 위의 규칙 위에 적용되므로, 줄은 여전히 프레임 너비의 85%, 문장 끝, 쉼에서 끝납니다. 상한은 줄을 짧게 만들 수만 있습니다. 짧고 힘 있는 자막에는 1이나 2를 쓰고, 너비를 채우려면 비워 두세요.

예를 들어 상한이 없으면 단어 하이라이트는 OK SO I BUILT, A WORLD IN, NODARO STUDIO. 줄을 보여 줍니다. 줄당 최대 단어 수를 2로 설정하면 OK SO, I BUILT, A WORLD 같은 식으로 보여 주며, 각 줄은 다음 줄이 시작될 때까지 유지됩니다. 단어 수가 홀수인 구문은 한 단어짜리 줄로 끝납니다.

상한은 자막 항목이 아니라 단어를 셉니다. 상한보다 단어가 많은 구문 단위 자막은 더 짧은 부분으로 나뉘며, 그 시간은 각 부분의 텍스트 길이에 따라 나눠집니다.

애니메이션

애니메이션은 애니메이션 스타일의 단어별 움직임을 켜고 끕니다. 끄면 움직임은 멈추지만 줄 묶기, 줄 유지, 말하는 단어 색상은 그대로입니다.

색상 변화까지 없는 완전한 정적 자막을 원하면 말하는 단어 색상도 색상과 같은 값으로 설정하세요.

위치

모든 위치는 자막 블록을 프레임 가장자리에 가장 가까운 쪽 가장자리를 기준으로 고정하므로, 줄이 늘어난 자막은 안쪽으로 커지며 잘리지 않습니다. 배치는 모든 스타일에서 같습니다.

세로 위치는 가장자리가 아니라 중심을 정합니다. 85%이면 블록의 중심이 높이의 85%에 있고, 아래쪽은 그보다 더 내려갑니다. 높이 1,920픽셀 프레임에서 83.5%이면 중심이 약 1,603픽셀에 놓입니다. 65% 정도면 얼굴 아래, 앱의 아래쪽 버튼 위에 자리합니다.

단어를 가져오는 곳

편집기에서 자막 추가는 두 가지 방법 중 하나로 단어를 가져옵니다.

• 동영상을 텍스트로 변환합니다. 녹취록에 아무것도 연결하지 않으면 노드가 Incredibly Fast Whisper로 동영상의 음성을 텍스트로 변환합니다. 음성이 또렷한지 확인하세요.
• 연결한 녹취록을 읽습니다. 녹취록을 녹취록 입력에 연결하세요. EDL 적용은 모든 단어를 컷에 맞춰 옮기므로, 자막이 다시 편집한 동영상에 맞춰지며 크로스페이드 구간에서도 오차가 약 80밀리초 이내입니다.

녹취록에 연결되는 출력

다음 출력은 녹취록을 담고 있어 녹취록 입력에 연결됩니다.

• 음성 텍스트 변환과 EDL 적용의 JSON 출력.
• 화자 뷰와 카메라 전환의 녹취록 출력.
• 텍스트로 대화 만들기의 JSON 출력. 모든 대화 모델이 단어 타이밍을 반환하고 각 대사의 보이스를 화자로 삼으므로, 대화를 다시 텍스트로 변환하지 않고 자막을 넣을 수 있습니다.

편집 목록은 녹취록이 아닙니다. 편집기는 편집 계획이나 카메라 전환의 편집 목록, 또는 화자 뷰의 JSON 출력에서 오는 연결을 거부하고 그 이유를 알려 줍니다. MCP, API 또는 Copilot으로 작성한 워크플로는 그런 연결을 버리고 그 이유를 보고합니다. 반대 방향도 거부됩니다. 녹취록은 EDL 적용이나 카메라 전환에 있는 편집 목록 입력에 연결할 수 없습니다.

녹취록에는 단어 타이밍이 필요합니다

연결한 녹취록에는 단어마다 타이밍이 있어야 합니다. 단어가 없는 녹취록은 크레딧이 예약되기 전에 거부됩니다.

음성 텍스트 변환의 Whisper 엔진은 단어 타이밍이 아니라 구문을 반환합니다. Whisper를 쓰는 음성 텍스트 변환 노드가 직접, 또는 EDL 적용이나 화자 뷰를 거쳐 이 노드에 값을 보내면, 워크플로는 무엇이든 실행되거나 청구되기 전에 멈춥니다. 메시지에 그 음성 텍스트 변환 노드의 이름이 나옵니다. 그 노드를 Incredibly Fast Whisper나 ElevenLabs STT처럼 단어 타이밍이 있는 엔진으로 바꾸세요. 하위 워크플로 안의 연결도 같은 검사를 받습니다. 하위 워크플로의 경계를 넘는 연결만은 음성 텍스트 변환이 실행된 뒤 이 노드에서 거부됩니다.

단어 단위 자막

녹취록을 연결하고 애니메이션 스타일을 고르면, 단어 단위 자막이 녹취록의 단어를 자막으로 바꾸는 방식을 정합니다.

• 켜짐(기본값)이면 단어마다 자막 하나를 만들며, 단어별 스타일에는 이것이 필요합니다.
• 꺼짐이면 먼저 단어를 줄로 묶습니다. 줄은 화자가 바뀌거나, 문장이 끝나거나, 침묵이 있거나, 최대 단어 수에 이르면 끝납니다. 더 차분하게 한 줄씩 나오는 자막에 쓰세요.

줄당 최대 단어 수는 어느 쪽이든 적용됩니다.

캡션 플랜 입력

캡션 플랜 입력은 이미 타이밍이 정해진 자막을 받습니다. 첫 줄, 첫 줄이 끝나는 시간, 동영상 나머지 부분의 타이밍이 정해진 단어입니다. 플랜이 연결되어 있으면:

• 첫 줄은 훅 플레이트 룩을 씁니다. 동영상의 나머지 부분은 이 노드의 자체 자막 스타일을 씁니다. 나머지 부분의 스타일을 바꾸려면 노드에 자막 프리셋을 적용하세요. 첫 줄은 훅 플레이트 룩을 유지합니다.
• 히브리어 플랜은 Rubik 글꼴을 씁니다. 언어가 히브리어(language: "he")인 플랜은 첫 줄과 나머지 부분 모두에 Rubik을 설정합니다. 히브리어 줄 안의 라틴 문자 브랜드 이름도 같은 글꼴로 그려지며, 쓰인 그대로의 글자를 유지합니다.
• 플랜이 노드의 다른 단어를 대신합니다. 노드의 자체 텍스트, 세그먼트, 연결된 녹취록은 쓰이지 않습니다.
• 가격은 애니메이션 가격입니다. 플랜은 항상 애니메이션 렌더링을 쓰므로 55크레딧이 듭니다.
• 빈 플랜은 동영상을 그대로 통과시킵니다. 플랜에 자막을 넣을 내용이 없으면, 노드는 동영상을 바꾸지 않고 비용 없이 출력합니다.

음성 텍스트 변환 엔진

엔진은 자막 추가의 가격을 바꾸지 않습니다. 애니메이션 스타일에는 단어 타이밍이 필요하므로 Incredibly Fast Whisper나 ElevenLabs STT가 필요합니다. 자막 스타일은 구문 타이밍만 있으면 되므로 모든 엔진에서 작동합니다.

결과의 프레임 레이트

애니메이션 자막 렌더링은 원본 동영상의 프레임 레이트를 유지합니다. 프레임 레이트는 23.976이면 24, 29.97이면 30처럼 정수로 반올림되며, 15~60fps 사이로 유지됩니다. 다음 세 경우에는 대신 30fps로 렌더링합니다.

• 원본 프레임 레이트를 읽을 수 없을 때.
• 원본이 가변 프레임 레이트일 때.
• 클립이 렌더링 프레임 한도인 108,000프레임보다 길 때. 60fps라면 30분보다 긴 클립입니다.

일반 정적 자막은 항상 원본 프레임 레이트를 유지합니다.

기본 제공 프리셋

자막 추가에는 자막 스타일 폴더에 프리셋 7개가 들어 있습니다. 각 프리셋은 스타일, 위치, 글꼴 크기, 색상을 정하고, 동영상을 텍스트로 변환합니다.

프리셋을 적용하고 저장하고 공유하는 방법은 프리셋을 참고하세요.

크레딧

자막 추가에는 두 가지 가격이 있습니다.

설정 패널에는 텍스트 필드가 없으므로, 편집기에서 설정한 노드는 항상 음성이나 녹취록으로 자막을 만들며 실행할 때마다 55크레딧이 듭니다. 33크레딧짜리 자막은 API, MCP, SDK, CLI로 보낸 고정 텍스트입니다. 음성 텍스트 변환 엔진과 스타일 컨트롤은 애니메이션 스타일의 가격을 바꾸지 않습니다.

팁

• 콘텐츠에 맞는 스타일을 고르세요. 전문적인 콘텐츠에는 자막을, SNS에는 단어 하이라이트나 TikTok 스타일 단어를 쓰세요.
• 플랫폼의 버튼을 신경 쓰세요. 기본값인 아래 위치는 이미 TikTok과 Reels의 버튼을 피합니다. 세로형 SNS 동영상에는 가운데도 잘 맞습니다.
• 텍스트를 읽기 쉽게 하세요. 어두운 화면에는 흰색 텍스트가 가장 잘 읽힙니다. 밝은 화면에는 색이 있는 텍스트를 쓰세요.
• 먼저 단어를 바로잡으세요. 가장 정확한 자막을 원하면 음성 텍스트 변환으로 텍스트를 만들고, 텍스트를 고친 다음, 강제 정렬로 타이밍을 맞추세요.
• 자막은 마지막에. 자막 추가를 동영상 오버레이 뒤에 두면 로고와 카드가 자막 아래에 놓입니다.

문제 해결

워크플로가 실행 전에 멈추고 음성 텍스트 변환 노드의 이름이 나옵니다. 그 음성 텍스트 변환 노드가 단어 타이밍을 반환하지 않는 Whisper 엔진을 씁니다. Incredibly Fast Whisper나 ElevenLabs STT로 바꾸세요.

한 줄에 들어가는 단어가 예상보다 적습니다. 외곽선(TikTok) 룩은 넓은 글꼴을 씁니다. 클린, Bebas Neue 같은 좁은 글꼴, 또는 더 작은 글꼴 크기를 고르세요.

자막이 프레임 가장자리에서 잘립니다. 가장자리에 가까운 세로 위치 대신 이름이 있는 위치를 쓰세요. 이름이 있는 위치는 블록의 가장자리를 고정하므로 추가 줄이 안쪽으로 늘어납니다.

API와 MCP에서 사용

코드와 AI 어시스턴트는 편집기보다 더 많은 일을 할 수 있습니다. POST /v1/add-captions, add_captions MCP 도구, SDK의 client.media.addCaptions(...), CLI는 모두 설정 패널과 같은 컨트롤에 더해 다음을 받습니다.

• 내 텍스트. 자막 스타일에서는 text가 동영상 전체에 고정 블록 하나로 입혀지며, 음성 텍스트 변환 결과로 덮어쓰이지 않습니다. 텍스트 안의 줄바꿈은 새 줄을 강제합니다. 애니메이션 스타일에서 text는 대체용일 뿐입니다. 음성 텍스트 변환이 단어를 찾지 못할 때 쓰이며, 동영상 전체에 고르게 배분됩니다.
• 내 단어 타이밍. captions는 자막 항목의 목록이며, 각 항목에 text, startMs, endMs가 있습니다. 애니메이션 스타일에는 단어마다 항목 하나를 주세요.
• 음성 텍스트 변환 엔진. transcribe_provider로 incredibly-fast-whisper(기본값), elevenlabs-stt, whisper 중 하나를 고릅니다. Whisper를 쓰면서 다른 단어 소스가 없는 애니메이션 스타일은 크레딧이 예약되기 전에 거부됩니다. 음성 텍스트 변환을 끄려면 auto_transcribe를 false로 설정하세요. 단어 소스가 하나도 없는 요청은 거부됩니다.
• 시간 구간마다 다른 처리. segments는 같은 동영상의 시간 구간마다 다른 스타일과 룩을 호출 한 번으로 적용합니다. 세그먼트별 자막을 참고하세요.

요청에 단어 소스가 여러 개 있으면 노드는 captions, 녹취록, 자막 스타일의 text, 음성 텍스트 변환 순서로 처음 것을 씁니다.

필드 이름은 사용하는 곳마다 다릅니다. REST 본문과 SDK는 maxWordsPerLine을, MCP 도구는 max_words_per_line을, CLI는 --max-words-per-line을 씁니다.

세그먼트별 자막

각 세그먼트에는 밀리초 단위의 시작과 끝이 있으며, 다른 세그먼트와 겹치면 안 되고, 각자의 스타일과 룩 컨트롤을 설정할 수 있습니다. 자체 단어가 없는 세그먼트는 공유 자막이나 음성 텍스트 변환 결과를 자기 시간 구간으로 잘라 씁니다. 자막 시간은 세그먼트 시작이 아니라 항상 동영상 시작부터 잽니다. 세그먼트별 자막은 항상 애니메이션 렌더링을 쓰므로 55크레딧이 듭니다.

예를 들어 다음 add_captions MCP 도구 인수는 3초 동안 위쪽에 외곽선이 있는 큰 구문을 보여 준 뒤, 아래쪽에 한 번에 한 단어씩 보여 줍니다.

{
  "video_url": "https://example.com/clip.mp4",
  "look": "outline",
  "segments": [
    { "start_ms": 0, "end_ms": 3000, "style": "subtitle", "position": "top", "font_size": 96, "text": "Same face, every shot. No re-prompting." },
    { "start_ms": 3000, "end_ms": 20000, "style": "word-pop", "position": "bottom", "font_size": 48 }
  ]
}

• 경계에 걸친 단어. 단어 하나는 그 시작이 들어 있는 세그먼트에 속하므로 두 번 나타나지 않습니다. 경계를 넘는 구문은 경계에서 나뉘며, 각 부분은 자기 세그먼트의 스타일로 표시됩니다. 250밀리초보다 짧은 부분은 버려지지만, 그러면 구문 전체가 사라지는 경우는 예외입니다.
• 세그먼트가 물려받는 것. 색상, 배경 색상, 위치, 세로 위치, 애니메이션, 줄당 최대 단어 수는 세그먼트가 직접 설정하지 않으면 최상위 값을 따릅니다. 자체 위치를 설정한 세그먼트는 최상위 세로 위치를 물려받지 않습니다. 글꼴, 두께, 외곽선, 말하는 단어 색상, 대문자 같은 룩 컨트롤은 자체 look이 없는 세그먼트만 물려받습니다. 룩을 지정한 세그먼트는 그 프리셋에서 새로 시작합니다.