# YouTube 스크립트와 자막: 동영상 하나에서 학습 데이터 세트까지

YouTube 스크립트를 가져오는 방법, 제작자 자막과 자동 생성·번역 자막의 차이, 학습 데이터 세트에 사용할 텍스트와 오디오를 연결하는 방법을 알아보세요.

Canonical 참고: https://flashdata.dev/ko/docs/guides/youtube-transcripts-and-captions
FlashData · 참고 자료 확인일: 2026-11-19

동영상 설명을 열고 **스크립트 표시**를 선택하세요. 자막이 있으면 텍스트를 읽고 해당 발언 시점으로 이동할 수 있습니다. API를 사용하거나 다운로드할 필요가 없습니다.

<a id="get-text-from-one-video"></a>

## 동영상을 다운로드하지 않고 YouTube 스크립트를 가져오는 방법


- [YouTube: 동영상 스크립트 보기](https://support.google.com/youtube/answer/15930243?hl=en)

1. **필요한 구절을 찾으세요.** 시청 페이지에서 설명을 펼치고 **스크립트 표시**를 선택하세요. 특정 줄을 선택하면 해당 시점이 재생됩니다.
2. **언어를 확인하세요.** 플레이어의 **자막/CC** 메뉴는 표시되는 텍스트를 제어합니다. **오디오 트랙** 항목이 있다면 들리는 음성은 그 항목에서 제어합니다. 오디오를 바꾼다고 스크립트까지 함께 바뀌는 것은 아닙니다.
3. **인용문을 검증하세요.** 텍스트를 선택할 수 있으면 해당 구절을 복사하고, 그렇지 않으면 내용과 타임스탬프를 적어 두세요. 해당 부분을 다시 재생해 이름, 숫자, not처럼 의미를 뒤집을 수 있는 단어를 확인하세요.

- [자막 설정](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)
- [YouTube: 오디오 트랙 설정](https://support.google.com/youtube/answer/13339776?hl=en)

<a id="save-your-captions"></a>

### 관리 중인 동영상의 자막 저장하기


**YouTube Studio → 자막**에서 동영상을 고른 다음 원하는 언어 옆의 **수정**을 선택하세요. **옵션**에서 **자막 다운로드**를 선택하세요. 시간 정보가 있는 파일은 보관하세요. 일반 텍스트 사본은 나중에 내보낼 수 있습니다.

아직 자막 트랙이 없고 발화 언어로 된 원고가 있다면 Studio에서 원고를 오디오에 동기화할 수 있습니다.

- [자막 다운로드 또는 수정](https://support.google.com/youtube/answer/2734705?hl=en)
- [자막 추가 또는 원고 동기화](https://support.google.com/youtube/answer/2734796?hl=en)

<a id="when-there-is-no-track"></a>

### 자막 트랙이 없는 경우


자막을 가져오는 것은 기존 텍스트를 읽는 작업입니다. 전사는 오디오에서 새로운 텍스트를 만드는 작업입니다. 소유하고 있거나 처리 권한이 있는 녹음이라면 음성 텍스트 변환 도구의 **전사** 모드를 사용해 발화 언어를 유지하세요. 번역은 별도의 단계입니다. 자막도 없고 오디오에 접근할 권한도 없다면 게시자에게 스크립트를 요청하세요.

예를 들어 자신의 영어 인터뷰를 로컬에서 전사하려면 먼저 올바른 오디오 스트림을 선택하세요. FFmpeg, whisper.cpp 빠른 시작에 나오는 `whisper-cli`, 영어 모델 `base.en`을 설치한 상태에서 다음 명령으로 `interview.txt` 및 `interview.srt` 파일을 모두 생성할 수 있습니다.

- [whisper.cpp 빠른 시작](https://github.com/ggml-org/whisper.cpp#quick-start)

**whisper.cpp로 로컬 녹음 전사하기**

```bash
ffmpeg -i interview.mp4 -map 0:a:0 -ac 1 -ar 16000 -c:a pcm_s16le interview.wav
whisper-cli -m models/ggml-base.en.bin -f interview.wav -l en -otxt -osrt -of interview
```

여기서 `0:a:0`은 **첫 번째 오디오 스트림**을 선택하며, 원본 언어의 스트림이라는 보장은 없습니다. 먼저 직접 들어 보세요. 예를 들어 일본어 발화를 전사하려면 일본어 스트림을 선택하고 다국어 모델 `ggml-base.bin`을 사용하며 `-l ja`를 설정하세요. 녹음과 대조해 결과를 검토하세요. 이 텍스트는 **직접 수행한** 전사 과정에서 만든 것으로, YouTube가 제공한 자막 트랙이 아닙니다.

<a id="what-captions-subtitles-and-transcripts-are"></a>

## 자막, 번역 자막, 스크립트란 무엇인가


**자막 트랙**은 텍스트와 표시 시간을 묶은 큐의 연속입니다. 선택형 자막은 켜거나 끌 수 있습니다. 접근성을 위한 자막은 발화뿐 아니라 화자 전환, 문을 두드리는 소리, 누군가가 반응하는 경보음처럼 의미 있는 소리도 전달합니다. **자막(subtitles)**은 번역된 대사를 뜻하는 경우가 많지만, 여러 나라에서는 같은 언어의 자막을 뜻하기도 합니다. 메뉴 이름만으로는 누가 문구를 작성했는지, 번역인지 알 수 없습니다.

- [W3C: 캡션과 자막](https://www.w3.org/WAI/media/av/captions/)

**스크립트**는 발언을 읽을 수 있는 텍스트로 제시하며, 타임스탬프가 있을 수도 없을 수도 있습니다. YouTube의 스크립트 패널은 자막을 읽기 위한 보기이지, 독립적으로 다시 전사한 결과가 아닙니다. **요약**은 또 다릅니다. 내용을 생략하거나 다른 표현으로 바꿀 수 있습니다. 화자가 도표를 가리키며 “여기에 놓으세요”라고 말하면, 스크립트에는 그 말만 적히고 어디를 가리키는지 설명이 없을 수 있습니다. 시각 정보를 설명하는 스크립트는 이렇게 빠진 정보를 보충합니다.

- [W3C: 스크립트](https://www.w3.org/WAI/media/av/transcripts/)

<a id="the-three-types-of-youtube-captions"></a>

## YouTube 자막의 세 가지 유형


스크립트를 비교할 때는 **실제로 받은 자막 트랙**을 분류하세요. 일반적인 출처는 제작자 제공 자막, YouTube 자동 전사, YouTube 자동 번역의 세 가지입니다. 뒤의 두 가지는 모두 자동화를 사용하지만, 음성을 듣고 처리하는 것은 하나뿐입니다.

| 자막 출처 | 텍스트 생성 방식 | 예: 일본어 인터뷰 |
| --- | --- | --- |
| **제작자 제공(업로더)** | 채널이 문구를 제공하거나 게시합니다. 직접 입력하거나 업로드할 수도 있고, 자동 생성 초안을 수정할 수도 있습니다. 반드시 처음부터 작성한 문구이거나 발화 그대로인 것은 아닙니다. | 제작자가 “Please wait a moment.”라는 영어 자막을 게시합니다. 번역이기는 하지만, 출처는 여전히 **제작자**이며 YouTube 자동 번역이 아닙니다. |
| **YouTube 자동 생성(음성 인식, ASR)** | YouTube가 **음성을 같은 언어의 텍스트로 변환**합니다. 발화를 잘못 알아들을 수는 있지만 번역은 하지 않습니다. | 출연자가 chotto matte라고 말합니다. 자막 트랙은 그 말을 일본어로 표시합니다. |
| **YouTube 자동 번역(기계 번역)** | YouTube가 **기존 자막 텍스트를 다른 언어로 변환**합니다. 원본 자막은 업로더가 제공한 것일 수도, 자동 생성된 것일 수도 있습니다. 목표 언어의 더빙을 듣는 것이 아닙니다. | YouTube가 일본어 자막을 영어로 “Wait a little.”이라고 옮깁니다. 일본어 자막에서 이름을 잘못 알아들었다면 번역에도 그 오류가 이어질 수 있습니다. |

- [YouTube Studio: 자막 수정](https://support.google.com/youtube/answer/2734705?hl=en)
- [YouTube: 자동 자막](https://support.google.com/youtube/answer/6373554?hl=en)
- [YouTube: 자막 번역](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

<a id="why-one-video-can-have-several-english-texts"></a>

### 하나의 동영상에 여러 영어 텍스트가 있을 수 있는 이유


**더빙은 오디오이지 네 번째 자막 유형이 아닙니다**. 같은 가상 인터뷰에서 영어 성우는 “Give me a second.”라고 말할 수 있습니다. 앞서 본 두 영어 자막은 모두 의미를 전달하지만, 어느 쪽도 실제로 발화된 그 문구를 담고 있지는 않습니다. 내용을 이해하는 데는 어느 쪽을 사용해도 되지만, 직접 인용할 때는 더빙을 듣고 확인하세요. 번역 데이터 세트에서는 원문과 번역 방식을 각각 기록하세요.

원본 오디오는 원래의 발화나 연기를 담고 있습니다. 기본 재생 오디오는 플레이어가 선택하며 시청자 환경설정에 따라 달라질 수 있습니다. 자막 언어를 바꿔도 오디오는 전환되지 않습니다. 모든 더빙에 대응하는 ASR 트랙이 있다고 가정하지 마세요. YouTube는 다중 오디오 동영상의 자동 자막을 더빙별로 전사하는 것이 아니라 기본 언어로 제공한다고 설명합니다.

- [선호 오디오 언어](https://support.google.com/youtube/answer/13339776?hl=en)
- [YouTube 자동 자막](https://support.google.com/youtube/answer/6373554?hl=en)

<a id="choose-a-format"></a>

## YouTube 스크립트 형식: TXT, SRT, VTT, JSON


| 형식 | 적합한 용도 | 유의할 점 |
| --- | --- | --- |
| 일반 텍스트(TXT) | 읽기, 메모, 요약 | 편집하기 쉽지만, 트랙을 일반 텍스트로 만들면 별도로 보관하지 않는 한 각 줄과 동영상 시점의 연결이 사라집니다. |
| SubRip(SRT) | 편집기와 플레이어 사이에서 시간 정보가 있는 자막 전달 | 번호와 시작·종료 시간이 있는 큐로 구성됩니다. 풍부한 스타일보다 재생을 중시할 때 유용합니다. |
| WebVTT(VTT) | 웹 플레이어용 자막 | 큐의 시간 정보를 유지하며, 작성자가 제공한 경우 위치나 화자 표시 같은 추가 정보도 담을 수 있습니다. |
| JSON 또는 JSON Lines(JSONL) | 여러 동영상 검색 또는 데이터 세트 구축 | 스키마는 직접 정합니다. 시간 단위가 초인지 밀리초인지, 전체 동영상을 기준으로 하는지 내보낸 클립을 기준으로 하는지 명시하세요. |

다음은 가상의 업로더 자막을 WebVTT로 표시한 예입니다. 이 1.9초는 **큐를 표시할 시간**을 나타내며, 각 단어의 발화 시작·종료 시각이 아닙니다.

- [WebVTT 형식](https://www.w3.org/TR/webvtt1/)
- [YouTube에서 지원하는 자막 형식](https://support.google.com/youtube/answer/2734698?hl=en)

**시간 정보가 있는 WebVTT 큐**

```vtt
WEBVTT

00:01:04.200 --> 00:01:06.100
Please wait a moment.
```

텍스트만 있는 사본에는 “Please wait a moment.”라고만 적어도 됩니다. 검색용 메모라면 “01:04 · Please wait a moment.”가 더 유용합니다. 01:00부터 시작하는 클립을 잘라낸다면 이 자막은 64.2~66.1초가 아니라 **해당 클립의 4.2~6.1초**에 들어가야 합니다. 원래의 시간 범위도 보관해 참조 위치를 복원할 수 있게 하세요.

<a id="build-a-transcript-dataset"></a>

## YouTube 스크립트 데이터 세트를 구축하는 방법


수천 개의 트랙을 수집하기 전에 **샘플 하나**가 무엇을 입증해야 하는지 정하세요. 같은 큐라도 어떤 데이터 세트에는 쓸 수 있고 다른 데이터 세트에는 부적절할 수 있습니다.

| 데이터 세트 목표 | 유용한 근거 | 제외하거나 별도로 표시할 내용 |
| --- | --- | --- |
| 검색, 요약, 질의응답 | 읽을 수 있는 구절, 해당 언어, 동영상 ID, 인용할 시간 범위 | 번역된 구절을 화자의 말을 그대로 옮긴 인용문으로 제시하지 마세요. 요약은 원본 텍스트와 구분해 보관하세요. |
| 음성 인식 또는 단어 정렬 | 특정 오디오 클립과 그 안에서 실제로 들리는 단어의 쌍 | 대응하지 않는 더빙이나 바꿔 쓴 문장을 발화 그대로의 레이블로 사용하지 마세요. 검토하지 않은 ASR은 사람이 확인한 참조 텍스트와 구분하세요. |
| 음성 또는 텍스트 번역 | 명확히 식별된 원본 음성 또는 텍스트와 그에 대응하는 번역 | 알 수 있는 경우 사람 번역과 기계 번역을 구분하세요. 언어 간에 큐가 나뉘거나 합쳐질 수 있으므로 12번째 줄이 다른 언어의 12번째 줄을 번역한 것은 아닐 수 있습니다. |
| 동영상-텍스트 또는 멀티모달 학습 | 해당 프레임에 나타나는 내용을 설명하는 텍스트 | 내레이션은 화면 밖의 대상이나 다음 단계를 가리킬 수 있습니다. 예를 들어 HowTo100M은 각 프레임에 대해 사람이 검증한 설명문이 아니라, 절차를 설명하는 내레이션을 학습 신호로 사용했습니다. |

- [HowTo100M](https://www.di.ens.fr/willow/research/howto100m/)

<a id="record-the-audio-and-caption-pair"></a>

### 오디오-자막 쌍 기록하기


동영상 ID만으로는 부족합니다. 어떤 오디오를 사용했는지, 어떤 자막 버전을 가져왔는지, 검토자가 왜 그 짝을 채택했는지 알 수 없기 때문입니다. 다음은 데이터 세트 레코드의 예시이며, YouTube 또는 FlashData API 응답이 아닙니다.

**데이터 세트 매니페스트: 자막 하나와 해당 오디오**

```json
{
  "video_id": "EXAMPLE0001",
  "audio_asset": "interview-en-dub.wav",
  "audio_language": "en",
  "caption_language": "en",
  "caption_origin": "uploader",
  "start_s": 64.2,
  "end_s": 66.1,
  "time_base": "source_video",
  "text": "Please wait a moment.",
  "review": "English dub says 'Give me a second.'",
  "use_for_search": true,
  "use_as_verbatim_speech_label": false
}
```

핵심은 마지막 판단입니다. 오디오와 자막이 모두 영어이고 큐의 시간도 맞지만, 이 텍스트는 발화를 그대로 옮긴 레이블이 **아닙니다**. 실제로 수집할 때는 확인 가능한 출처 또는 트랙 식별자, 가져온 날짜, 파일 또는 버전 식별자, 예정된 용도를 허용하는 권한이나 라이선스도 기록하세요. 출처를 모르면 파일 이름으로 추정하지 말고 모르는 상태로 남겨 두세요.

<a id="check-the-collection"></a>

### 사용 전 수집 데이터 점검하기


1. **커버리지를 측정하세요.** 시도한 동영상 수, 목표 언어의 트랙이 있는 동영상 수, 품질 정책을 통과한 동영상 수를 집계하세요. “조건에 맞는 자막이 없음”과 “가져오지 못함”을 구분하세요. 그렇지 않으면 일시적인 실패가 특정 언어의 낮은 커버리지처럼 보입니다.
2. **직접 듣고 표본을 검토하세요.** 여러 언어, 자막 출처, 채널에 걸쳐 클립을 확인하세요. 숫자, 이름, 부정 표현, 화자 전환, 큐 경계가 실제 녹음과 맞는지 살펴보세요. 발화 그대로의 정확성을 확인하려면 표본을 독립적으로 전사한 참조 텍스트와 비교하세요. 단어 오류율은 참조 단어 수를 기준으로 대치, 삭제, 삽입을 집계하는 지표이며 번역 품질이나 시간 정확도 점수가 아닙니다.
3. **원본과 시간 기준을 보존하세요.** 허용되는 경우 정리한 텍스트와 함께 시간 정보가 있는 원본 트랙을 보관하세요. 검색을 위해 줄바꿈을 정규화하되, 반복 구절을 무조건 삭제하지 마세요. “no, no”가 실제 발화일 수 있습니다. 큐를 클립 길이와 대조하고 잘라낸 시작 지점의 오프셋도 반영하세요.
4. **자막 줄이 아니라 녹음 단위로 나누세요.** 같은 녹음의 클립, 더빙, 번역은 학습 세트와 테스트 세트 중 같은 쪽에 두세요. 그렇지 않으면 모델이 학습과 평가에서 같은 인터뷰를 볼 수 있습니다. 발화 그대로의 정확성을 측정하는 평가 세트에는 검증하지 않은 쌍을 넣지 마세요.
5. **수집하거나 공개하기 전에 권리를 확인하세요.** 공개적으로 볼 수 있다고 해서 재배포나 학습에 사용해도 된다는 뜻은 아닙니다. 예정된 용도를 허용하는 근거를 기록하고, 개인정보를 확인하며, 수정이나 삭제에 대응할 계획을 세우세요. 이 판단은 기술적 품질과 별개로 하세요.

- [단어 오류율](https://www.nist.gov/system/files/documents/2021/08/03/OpenASR20_EvalPlan_v1_5.pdf)
- [YouTube 라이선스 유형](https://support.google.com/youtube/answer/2797468?hl=en)
- [YouTube 서비스 약관](https://www.youtube.com/static?template=terms)

<a id="retrieve-existing-tracks-with-flashdata"></a>

## FlashData로 기존 트랙 가져오기


동영상 ID가 있고 **기존** 자막을 텍스트와 시간 정보가 있는 세그먼트로 가져오려면 이 방식을 사용하세요. 자막이 없는 동영상의 음성을 새로 텍스트로 변환하지는 않습니다. YouTube Transcript와 YouTube Captions는 같은 트랙 선택 규칙을 사용하지만 기본값은 다릅니다. `youtube_transcript`에서는 자동 처리로 만들어진 자막도 허용하며(`auto: true`), `youtube_captions`에서는 기본적으로 업로더 자막만 허용합니다(`auto: false`). 둘 다 `language`를 생략하면 **영어**를 대상으로 합니다.

- [YouTube Transcript API](https://flashdata.dev/ko/docs/sources/youtube_transcript/reference.md)
- [YouTube Captions API](https://flashdata.dev/ko/docs/sources/youtube_captions/reference.md)

다음은 `requests`를 사용해 동영상 하나를 처리하는 Python 예제입니다. 자리표시자 키를 바꾸고 처리 권한이 있는 동영상 ID를 사용하세요. 사용 가능 여부는 동영상에 따라 다릅니다.

**Python으로 기존 스크립트 가져오기**

```python
import requests

response = requests.post(
    "https://data.flashdata.dev/v1/queries/realtime",
    headers={"X-API-Key": "your-api-key"},
    json={
        "source": "youtube_transcript",
        "video_id": "jNQXAC9IVRw",
        "params": {"language": "en", "auto": True},
    },
    timeout=(5, 90),
)
response.raise_for_status()
track = response.json()["results"][0]
print(track["languageCode"], track["captionSource"])
print(track["fullText"])
for cue in track["segments"]:
    print(f"{cue['start']:.3f} to {cue['end']:.3f} s: {cue['text']}")
```

<a id="caption-language-and-source"></a>

### 언어와 자막 출처 선택하기


`"en"` 같은 언어 코드는 오디오와 관계없이 영어를 요청합니다. 오디오 트랙을 따르려면 `"original"`로 원본 언어로 표시된 언어를, `"default"`로 워커에 대해 재생 언어로 표시된 언어를 선택하세요. 브라우저 설정 언어가 아닙니다. FlashData는 동일한 추출 과정의 오디오 정보에서 두 선택자를 해석합니다.

명시적인 트랙 코드는 다르게 동작합니다. `"en-orig"` 코드와 `auto: true`를 함께 지정하면 대체 트랙으로 넘어가지 않고 정확히 그 자동 트랙을 요청합니다. `-orig` 접미사는 yt-dlp의 명명 규칙일 뿐, 원본 오디오가 영어였다는 증거가 아닙니다.

- [yt-dlp: YouTube 트랙 이름](https://github.com/yt-dlp/yt-dlp/blob/master/yt_dlp/extractor/youtube/_video.py)

일반 언어 코드, `"default"`, `"original"`에 대해 `auto: true`는 다음 순서로 자막 출처를 시도합니다. 모두 목표 언어의 자막입니다.

1. **동일 언어 음성 인식**(`youtube_asr`): YouTube가 음성을 전사했습니다.
2. **업로더 자막**(`uploader`): 채널이 텍스트를 제공했습니다.
3. **미분류 자동 자막**(`youtube_auto_unknown`): 확인된 정보만으로는 ASR과 번역을 구분할 수 없습니다. 이는 출처가 불확실하다는 뜻이지, 자막을 만드는 네 번째 방식이 아닙니다.
4. **YouTube 기계 번역**(`youtube_translated`): YouTube가 다른 자막 트랙을 번역했습니다.

`auto: false` 설정에서는 업로더 자막만 대상이 됩니다. 앞선 인터뷰 예시에서 재생 언어가 영어로 표시되어 있다고 가정해 보겠습니다. 영어 업로드 자막과 YouTube 번역은 있지만 영어 ASR은 없습니다. `"default"` 및 `auto: true` 설정으로 요청하면 `captionSource: "uploader"`와 `isAutoGenerated: false`가 반환됩니다.

<a id="request-more-than-one-caption-language"></a>

### 여러 언어 요청하기


같은 동영상에 대해 `["original", "en", "es"]` 같은 배열을 보내세요. 이는 하나의 `auto` 정책으로 서로 다른 선택자 1~10개를 각각 요청하는 것이며, 사용 가능한 첫 번째 언어를 고르는 것이 아닙니다. 항목이 하나인 배열도 단일 트랙이 아니라 `results[0].tracks`와 `results[0].errors`를 반환합니다.

성공한 트랙은 요청 순서를 유지합니다. `requestedLanguageCode`가 있으면 그 값으로, 없으면 `languageCode`로 트랙을 대응시키세요. 오류는 `languageCode`로 실패한 선택자를 식별합니다. 다른 언어가 실패해도 성공한 결과는 보관하세요. 하나도 성공하지 않았다면 요청 수준의 오류를 처리하세요.

<a id="missing-or-failed-captions"></a>

### 트랙 부재와 가져오기 실패 구분하기


원본 언어를 확인할 수 없는 경우(`youtube_original_language_unknown`)와 원본 언어는 알지만 조건에 맞는 자막이 없는 경우(`youtube_original_subtitles_unavailable`)는 다릅니다. 기본 재생 언어에 대해서는 각각 `youtube_default_language_unknown`와 `youtube_default_subtitles_unavailable`가 해당 오류입니다.

YouTube가 번역 자막을 제공하는 과정에서 HTTP 429를 반환하고 요청한 트랙이 모두 실패하면, FlashData 실시간 API는 `youtube_subtitle_retrieval_failed`와 함께 **HTTP 502**를 보고할 수 있습니다. 일부가 성공한 경우에는 실패한 선택자에 `errors[].code: "retrieval_failed"`가 표시될 수도 있습니다. 502만으로 YouTube의 429가 원인이라고 판단할 수는 없습니다. FlashData 자체 요청 제한기의 429와 YouTube 측의 429는 별개입니다.

- [번역 자막 제공 중 발생하는 HTTP 429](https://flashdata.dev/ko/docs/guides/youtube-transcripts-and-captions/reference.md#why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions)

YouTube Download API는 `audio_language`로 오디오를 별도로 선택하며 다른 트랙으로 대체할 수 있습니다. 두 API에 모두 `"original"`을 요청한다고 정렬이 확인되는 것은 아닙니다. 결과 저장 방법은 타임스탬프 자막 레시피를, 동영상 ID 목록 처리 방법은 Bulk 파일 가이드를 참고하세요.

- [YouTube Download API](https://flashdata.dev/ko/docs/sources/youtube_download/reference.md)
- [타임스탬프 자막 레시피](https://flashdata.dev/ko/docs/guides/timestamped-captions-recipe/reference.md)
- [Bulk 파일 가이드](https://flashdata.dev/ko/docs/guides/bulk/reference.md)

<a id="youtube-transcript-faq"></a>

## YouTube 스크립트 FAQ


<a id="can-i-get-a-youtube-transcript-for-free-without-downloading-the-video"></a>

### 동영상을 다운로드하지 않고 YouTube 스크립트를 무료로 가져올 수 있나요?


네. 자막이 있으면 YouTube의 **스크립트 표시** 기능으로 도구를 구매하거나 미디어를 다운로드하지 않고도 시청 페이지에서 텍스트를 읽을 수 있습니다. 강의나 인터뷰 하나를 확인하려면 여기서 시작하세요.

- [동영상 스크립트 보기](https://support.google.com/youtube/answer/15930243?hl=en)

<a id="why-is-there-no-transcript-when-i-can-see-subtitles-in-the-picture"></a>

### 화면에 자막이 보이는데 스크립트가 없는 이유는 무엇인가요?


선택형 자막을 꺼 보세요. 그래도 글자가 남아 있다면 선택할 수 있는 텍스트 트랙이 아니라 영상 자체에 입혀진 자막일 수 있습니다. 게시된 자막이 없거나 자동 자막이 아직 처리 중인 동영상도 있습니다. 처리 권한이 있는 자료에서 **실제로 말한 내용**이 필요하다면 오디오를 전사하고, **화면에 적힌 정확한 문구**가 필요하다면 광학 문자 인식(OCR)을 사용한 뒤 검토하세요. 둘은 다를 수 있습니다.

<a id="can-i-get-english-text-if-the-audio-is-in-another-language"></a>

### 오디오가 다른 언어여도 영어 텍스트를 가져올 수 있나요?


가능한 경우가 많지만 항상 그렇지는 않습니다. 먼저 영어 자막을 찾고, 목록에 없다면 플레이어가 **자동 번역**을 제공하는지 확인하세요. 이 기능은 사용 가능한 자막을 번역합니다. 영어 오디오를 만들거나 영어 더빙이 같은 문구를 사용했다는 것을 확인해 주지는 않습니다.

- [YouTube 자막 언어](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)

<a id="does-auto-generated-mean-machine-translated"></a>

### “자동 생성”은 “기계 번역”이라는 뜻인가요?


아닙니다. 음성 인식은 발화를 **같은 언어**의 글로 바꿉니다. 기계 번역은 텍스트를 한 언어에서 다른 언어로 바꿉니다. 두 과정 모두 자동으로 수행될 수 있으며, 번역이 불완전한 음성 인식 결과를 바탕으로 할 수도 있습니다. 출처가 공개되어 있지 않으면 알 수 없음으로 표시하세요.

<a id="why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions"></a>

### yt-dlp가 YouTube 자동 번역 자막에서 HTTP 429를 보고하는 이유는 무엇인가요?


YouTube가 자막 텍스트 요청을 **HTTP 429 (Too Many Requests)**로 거절하더라도 동영상 목록에는 해당 번역이 표시될 수 있습니다. yt-dlp 이슈 #13831에서 유지관리자가 고정한 설명은 영향을 받은 사례가 **YouTube 자동 번역 자막**이라고 명시합니다. 업로더 제공 트랙과 원본 언어 ASR은 **그 특정 문제**의 영향을 받지 않았습니다. 모든 번역이 실패한다거나 다른 자막 요청에는 속도 제한이 전혀 걸리지 않는다는 뜻은 아닙니다.

- [yt-dlp 이슈 #13831: 유지관리자 고정 설명](https://github.com/yt-dlp/yt-dlp/issues/13831#issuecomment-3712613129)

읽을 수 있는 텍스트만 필요하다면 **목표 언어의** 기존 업로더 자막이나 동일 언어 ASR 트랙을 찾아보세요. 반드시 YouTube 번역이 필요하다면 성공한 트랙은 보관하고 실패한 번역만 나중에 다시 처리하세요. 응답에 `Retry-After`가 있으면 그 지시를 따르고, 없으면 대기 시간을 늘리며 재시도 횟수를 제한하고 전체 수집 대상을 한꺼번에 다시 요청하지 마세요. 결과를 **자막 없음**이 아니라 **가져오기 실패**로 기록하세요. 일본어 트랙을 성공적으로 받았다고 영어 요청이 충족되는 것은 아닙니다.

- [HTTP 429와 Retry-After](https://datatracker.ietf.org/doc/html/rfc6585#section-4)

<a id="how-do-i-get-just-the-text-without-timestamps"></a>

### 타임스탬프 없이 텍스트만 가져오려면 어떻게 하나요?


자막 파일을 일반 텍스트로 내보내거나 큐의 텍스트를 순서대로 이어 붙이세요. 나중에 특정 줄을 인용하거나 클립을 만들거나 오류를 수정할 수 있다면 시간 정보가 있는 원본을 보관하세요. 타임스탬프를 없애는 것은 쉽지만, 문단에서 정확한 시간을 복원하는 것은 별도의 정렬 작업입니다.

<a id="are-transcripts-available-for-youtube-shorts-and-livestreams"></a>

### YouTube Shorts와 실시간 스트림에도 스크립트가 있나요?


YouTube는 조건을 충족하는 Shorts와 긴 동영상에 자동 자막을 지원하지만, 항상 제공되는 것은 아닙니다. 실시간 자막과 보관된 동영상의 자막은 반드시 같지는 않습니다. YouTube는 주문형 버전에 대해 새로운 자동 자막을 생성한다고 설명합니다. 재현 가능한 데이터 세트를 만들려면 어떤 버전을 언제 사용했는지 기록하세요.

- [YouTube 자동 자막](https://support.google.com/youtube/answer/6373554?hl=en)

<a id="does-the-official-youtube-data-api-return-transcripts-for-any-public-video"></a>

### 공식 YouTube Data API는 모든 공개 동영상의 스크립트를 반환하나요?


아닙니다. Google의 OAuth 승인을 사용하는 `captions.list`는 실제 문구가 아니라 트랙 메타데이터를 반환합니다. `captions.download`는 트랙을 가져오며 동영상 수정 권한이 필요합니다. 시청자로서 스크립트를 읽을 수 있다는 것과 해당 API 권한이 있다는 것은 다릅니다.

- [captions.list](https://developers.google.com/youtube/data/reference/rest/v3/captions/list)
- [captions.download](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

<a id="are-speaker-names-and-word-by-word-timestamps-included"></a>

### 화자 이름과 단어별 타임스탬프가 포함되나요?


항상 포함되지는 않습니다. 큐 하나가 구절 전체를 다룰 수 있고, 트랙에 화자 표시나 소리 표시가 있을 수도, 둘 다 없을 수도 있습니다. 누가 언제 말했는지 알아야 한다면 직접 주석을 달거나 화자 분리 처리를 수행한 뒤 검증하세요. 각 단어가 발화된 시간이 필요하다면 실제 녹음을 기준으로 단어 정렬을 수행하세요. 큐의 길이를 단어에 균등하게 나누어 배분하지 마세요.

<a id="are-youtube-transcripts-accurate-enough-to-quote"></a>

### YouTube 스크립트는 인용해도 될 만큼 정확한가요?


스크립트로 해당 시점을 찾고 녹음으로 인용문을 확인하세요. 일본어 화자의 말을 영어로 인용한다면 자신의 번역인지, 업로더의 자막인지, 더빙인지 밝히세요. 문장이 자연스럽다는 사실은 특정 화자가 정확히 그 문구를 사용했다는 증거가 아닙니다.

<a id="can-public-youtube-transcripts-be-used-to-train-a-model-or-shared-as-a-dataset"></a>

### 공개된 YouTube 스크립트를 모델 학습에 사용하거나 데이터 세트로 공유할 수 있나요?


공개 접근이 가능하다는 사실만으로 두 용도가 허용되는 것은 아닙니다. 수집, 학습, 텍스트나 미디어의 재배포를 각각 어떤 권한이 허용하는지 확인하세요. 이는 별개의 판단입니다. 그다음 레이블이 과제에 적합한지 결정하세요. 사용 허가를 받은 영어 번역이라도 영어 음성 인식의 참조 자료로는 부적절할 수 있습니다. YouTube 라이선스 가이드는 표준 라이선스와 크리에이티브 커먼즈 저작자 표시 라이선스의 차이를 설명합니다.

- [YouTube 라이선스 가이드](https://support.google.com/youtube/answer/2797468?hl=en)

<a id="why-is-a-transcript-different-when-i-fetch-it-again"></a>

### 다시 가져오면 스크립트가 달라지는 이유는 무엇인가요?


동영상, 오디오 언어, 자막 언어, 트랙 출처를 확인하세요. 서로 다른 트랙을 비교하고 있을 수 있습니다. 같은 동영상도 바뀔 수 있습니다. 제작자가 텍스트나 시간을 수정하고 개정된 자막 트랙을 게시할 수 있기 때문입니다. 허용되는 경우 가져온 날짜와 버전 또는 콘텐츠 해시를 보관해, 자막이 수정된 것인지 선택 정책이 달라진 것인지 구분할 수 있게 하세요.

- [YouTube: 자막 수정 또는 삭제](https://support.google.com/youtube/answer/2734705?hl=en)
