쇼츠 만들기: 긴 영상을 짧은 클립으로 자르는 방법

긴 영상을 쇼츠로 만들려면 먼저 텍스트로 옮기고, 그 뒤의 모든 단계를 그 텍스트가 움직이게 하십시오. 자막에는 무슨 말을 했는지가 들어 있어 자를 장면을 고를 수 있고, 문장 경계가 들어 있어 컷이 단어 중간이 아니라 문장 사이에 떨어지며, 리프레임과 자막에도 그대로 넘길 수 있어 같은 일을 두 번 하지 않습니다. 녹화한 뒤 타임라인을 훑으며 클립을 찾는 것은 같은 작업의 느린 버전입니다.

범위 참고, 2026년 7월: 아래 단계는 현재 Pipe2.ai에서 동작하는 파이프라인 — Transcription, Highlights, Video Trim, Video Reframe, Captions — 에 대응합니다. 여기 적은 동작은 홍보 문구가 아니라 현재 입력 스키마를 기준으로 확인했습니다.

자막이 핵심인 이유

텍스트 변환 이후의 모든 단계가 그 텍스트를 입력으로 받습니다. 도구의 우연이 아니라, 이 작업을 자동화할 수 있는 이유 자체입니다.

• 장면 고르기에는 파형이 아니라 무슨 말을 했는지가 필요합니다.
• 트리밍에는 문장 경계가 필요합니다. 없으면 클립이 단어 중간에서 열립니다.
• 리프레임은 발화가 타임라인 어디에 있는지 알면 정확해집니다.
• 자막에는 단어와 타이밍이 필요한데, 이미 갖고 있습니다.

그러니 전체 녹화를 한 번만 변환하고, 그 파일을 보관해 이후 모든 단계에 넘기십시오. 60분짜리 팟캐스트는 한 번만 변환되고 그것이 클립 배치 전체를 감당합니다. 클립마다 다시 변환하는 워크플로는 가장 비싼 단계를 N번 반복하고 있을 뿐입니다.

1단계 — 녹화 전체를 텍스트로 옮기기

필요할 것 같은 구간이 아니라 파일 전체를 처리하십시오. 읽지 않은 녹화에서 좋은 장면을 고를 수는 없습니다.

의식적으로 설정할 값이 두 가지 있습니다.

• 화자 분리(diarize) — 인터뷰와 패널에서는 필수입니다. 누가 말했는지 알면 “좋은 발언”이 “게스트의 좋은 발언”이 되고, 보통 잘라낼 가치가 있는 쪽은 후자입니다.
• 교정 사전(corrections) — 모델이 잘못 알아듣는 용어를 미리 지정합니다. 제품명, 사람 이름, 전문 용어가 단골입니다. 변환 단계에서 한 번 고치는 편이 이후 모든 자막 파일에서 고치는 것보다 쌉니다.

2단계 — 장면은 ‘찾는’ 것이 아니라 ‘고르는’ 것

자막을 읽으며 그 자체로 성립하는 장면을 찾습니다. 근거가 붙은 주장, 마무리가 있는 이야기, 깔끔하게 답한 질문 같은 것들입니다. 기준은 원본을 보지 않은 사람에게 말이 되는가입니다.

Highlights는 자막을 대상으로 이 작업을 수행하고 지정한 개수만큼 후보를 돌려줍니다. 웨비나에서 10개, 짧은 인터뷰에서 3개처럼 실제로 게시할 개수를 요청할 수 있어 끝없는 목록을 걸러낼 필요가 없습니다. style 입력으로 무엇을 찾을지 방향을 줄 수 있는데, 영업 웨비나와 코미디 팟캐스트에서 좋은 장면의 모양이 다르기 때문에 이게 실제로 차이를 만듭니다.

결과는 판정이 아니라 후보 목록으로 다루십시오. 모델은 읽기 좋은 대목을 찾아내지만, 채널에 맞는지는 사람이 정합니다.

3단계 — 문장 경계에서 자르기

자동 클리핑이 티가 나는 지점이 바로 여기입니다. 타임스탬프로 자른 클립은 단어 중간에서 시작하고 생각이 착지하기 전에 끝납니다. 편집이 아니라 긁어낸 것처럼 보이고, 뒤에서 아무리 다듬어도 회복되지 않습니다.

Video Trim은 시작·종료 시각과 자막을 받아 각 컷을 가장 가까운 문장 경계로 붙입니다. 대략 맞는 지점을 주면 깔끔한 경계는 도구가 찾습니다. 실무적 효과가 큽니다. 읽으면서 빠르게 대충 고르더라도 열고 닫히는 지점이 정돈된 클립이 나옵니다.

4단계 — 세로로 리프레임하기

16:9 녹화를 가운데로 자르면 화자가 몸을 기울일 때마다 얼굴 절반이 화면 밖으로 나갑니다. Video Reframe은 키프레임을 분석해 각 프레임의 얼굴 위치를 찾고, 샷 전체에서 피사체를 따라가는 크롭을 고릅니다.

무엇을 하고 무엇을 하지 않는지는 정확히 적어 둡니다. 이것은 얼굴을 찾아 따라가며 프레임을 어디에 둘지 편집적으로 판단합니다. 지금 누가 말하고 있는지를 판별하는 것이 아닙니다. 슬라이드, 화면 녹화, 화면을 채운 b-roll처럼 뚜렷한 피사체가 없는 샷에서는 크롭을 지어내지 않고 레터박스로 갑니다. 이미 화면 전체를 쓰는 영상에는 그게 맞는 처리입니다.

목표 화면비는 게시할 곳에 맞춰 명시적으로 지정하십시오.

5단계 — 자막 구워 넣기

소셜 영상은 대부분 소리를 끄고 봅니다. 자막이 없는 클립은 무슨 내용인지 알기도 전에 넘겨집니다.

자막 텍스트가 이미 있으므로 이 시점의 Captions는 사실상 공짜입니다. 트리밍한 클립과 자막을 넘기고 프리셋을 고르면 텍스트가 구워진 MP4가 나옵니다. 업로드한 별도 자막 파일을 플랫폼이 어떻게 렌더링할지에 의존하지 않습니다 — 그 동작은 플랫폼마다 다르고 무시되는 일도 많습니다.

좋은 클립과 긁어낸 클립의 차이

• 클립 하나에 주제 하나. 설명에 두 문장의 사전 설명이 필요하다면, 그 설명이 클립에 들어가야 하거나 장면 선택이 틀렸습니다.
• 가장 강한 문장에서 시작하십시오. 그 앞의 뜸 들이는 말이 아니라. 어디인지는 자막을 보면 분명합니다.
• 화자의 얼굴을 화면 안에 유지하십시오. 피사체가 가장자리로 흘러가는 토킹헤드 클립은 성의 없어 보입니다.
• 개수를 채우려고 자르지 마십시오. 웨비나에서 평범한 10개보다 좋은 3개가 성과가 낫고, 게시 비용은 같습니다.
• 완결된 생각 단위로 자르고, 길이는 그 결과에 맡기십시오.

다른 작업과의 연결

이 흐름이 돌기 시작하면 같은 자막이 원래는 별개 프로젝트였을 작업들도 받쳐 줍니다. 전체 영상의 챕터 마커, 글로 정리한 요약, 원본 자막 같은 것들입니다. 애초에 텍스트 변환을 할지 말지 판단할 때 알아 둘 만합니다 — 비용은 한 번만 내고 이후 전부에 분산됩니다.

클립만이 아니라 원본 영상도 직접 만든다면 생성 쪽은 AI 영상 만드는 법이, 자막 스타일링은 동영상에 자막 넣는 법이 다룹니다.

직접 해보기

이미 갖고 있는 녹화 하나로 시작하십시오. 텍스트로 옮기고, Highlights에 후보 3개만 요청하고, 그 3개만 트리밍하십시오. 첫 회차의 목적은 도구가 찾아낸 장면이 당신이 골랐을 장면과 일치하는지 보는 것입니다. 일치하기 시작하면 같은 흐름이 한 시간짜리 소재에도 개수만 바꿔 그대로 돌아갑니다.