클로즈드 캡션 vs. 자막: 무엇이 다른가 (그리고 실제로 어떤 게 필요한가)

아마 “자막”과 “캡션”을 같은 뜻으로 써본 적이 있을 겁니다. 대부분의 사람이 그렇고, 유튜브 자체 설정 메뉴도 그렇게 쓰며, 솔직히 지금 하려는 일의 90%에는 별 상관이 없습니다. 하지만 이 두 단어는 실제로는 서로 다른 것을 가리키며, 어느 쪽이 필요한지 알아야 잘못된 플랫폼에 잘못된 파일을 올리는 실수를 피할 수 있습니다.

캡션, 쉬운 말로

캡션은 같은 언어로 화면에 표시되는 텍스트이며, 오디오를 전혀 들을 수 없는 사람을 위해 작성됩니다. 즉, 단순히 대사만이 아니라 그 이상을 담고 있습니다. 효과음, 음악 신호, 누가 말하고 있는지까지 포함하죠. 화면 밖에서 문이 쾅 닫히거나 음악이 불길하게 바뀌면, 캡션이 있는 동영상은 그걸 알려줍니다. 자막만 있는 동영상은 보통 그렇지 않습니다.

캡션에는 두 가지 종류가 있습니다.

• 클로즈드 캡션(CC) — 시청자가 켜고 끌 수 있습니다. 유튜브 자동 캡션이나 별도로 업로드하는 SRT 파일이 여기에 해당합니다.
• 오픈 캡션 — 동영상 프레임에 영구적으로 삽입됩니다. 토글도, 설정 메뉴도 없습니다. 틱톡이나 릴스용으로 텍스트를 구워 넣어 내보내는 동영상이 바로 이것입니다.

자막, 쉬운 말로

자막은 시청자가 오디오는 문제없이 들을 수 있지만 언어를 이해하지 못한다고 가정합니다. 그래서 자막은 대사만 다룹니다. 오디오를 들을 수 있는 사람에게 문 닫히는 소리를 설명할 필요는 없으니까요. 자막 트랙은 무슨 일이 일어나고 있는지를 설명하는 게 아니라, 말하는 내용을 번역하기 위해 존재합니다.

빠른 비교표

	캡션	자막
대상	오디오를 들을 수 없는 사람	들을 수는 있지만 언어를 이해하지 못하는 사람
포함 내용	대사 + 효과음 + 화자 표시	대사만
언어	오디오와 동일	보통 다른 언어
끌 수 있는지	경우에 따라 다름(오픈 vs. 클로즈드)	보통 가능

다른 곳에서는 안 다루는 부분: 자막은 생각보다 많이 축약됩니다

대부분의 설명 글에서 빠뜨리는 부분이 있습니다. 자막은 실제 대사에서 자주 짧아지거나 다르게 표현되는 반면, 캡션은 보통 그렇지 않습니다. 이 주제를 다룬 어느 화제의 크리에이터 스레드(업보트 거의 4,000개, 댓글 150개 이상이 달리며 논쟁이 벌어진 게시글)는 실제 이유를 짚어냈습니다. 자막은 화면에 들어가야 하고 평균 읽기 속도로 읽을 수 있어야 하므로, 번역가들이 그 제약에 맞추기 위해 의역을 합니다. 특히 문장 길이가 크게 다른 언어 간에는 더욱 그렇습니다. 캡션은 보통 같은 언어이고 접근성을 우선해 작성되기 때문에 원문에 더 가깝게 유지되는 경향이 있습니다.

외국 영화 자막이 실제로 배우가 한 말보다 이중언어 사용자 친구가 알려주는 것보다 더 짧다고 느낀 적이 있다면, 이게 그 이유입니다. 번역이 나빠서가 아니라 읽기 속도를 맞추기 위한 트레이드오프입니다.

실제로 어떻게 만들어지는지, 그리고 그게 품질에 미치는 영향

정확도 차이 뒤에는 제작 방식의 차이가 있습니다. TV 생방송 캡션은 실시간으로 타이핑되거나 음성으로 입력되는 경우가 많습니다. 캡션 작성자가 대사를 다시 말해 음성인식 소프트웨어에 입력하는 방식(리스피킹)이든, 법정 속기사가 하듯 스테노타입 기계로 타이핑하는 방식이든, 둘 다 방송이 진행되는 속도를 따라잡으려고 경쟁합니다. 생방송 캡션이 가끔 오디오보다 한 박자 늦거나 단어가 뭉개지는 이유도 여기에 있습니다. 방송 전에 고칠 시간이 없기 때문입니다.

자막은 이런 식으로 만들어지는 경우가 거의 없습니다. 번역이 필요하기 때문에 완성된 대본이나 트랜스크립트를 두고 미리 준비되며, 이 때문에 방송에서 생방송 캡션처럼 실시간 번역 자막을 보는 일은 거의 없습니다.

업로드용 콘텐츠(방송이 아니라)라면 이 차이는 대체로 사라집니다. 자동 전사 도구는 이미 완성된 동영상에서 둘 다 생성하기 때문에 어느 쪽도 급하게 만들어지지 않습니다. 이 차이가 중요해지는 건 주로 자신이 업로드한 동영상의 캡션 품질을 생방송 TV에서 본 것과 비교하며 왜 다른지 궁금할 때입니다. 기술의 문제가 아니라 마감 시한의 문제입니다.

알아두면 좋은 용어 차이

지금까지 설명한 내용은 모두 미국식 관례이며, 전 세계 공통은 아닙니다. 영국과 유럽 대부분에서는 “자막(subtitles)“이 같은 언어의 접근성 캡션과 번역된 대사를 모두 아우르는 포괄적 용어로 자주 쓰이며, “클로즈드 캡션”이라는 별도 명칭은 일상에서 거의 쓰이지 않습니다. 영국이나 유럽 시청자를 위해 콘텐츠를 게시한다면, 접근성이 정확히 필요한 상황인데도 아무도 “캡션”이라는 이름으로 부르지 않는다 해도 놀라지 마세요.

이 글에서 다루는 것보다 더 깊은 주제이긴 하지만, 알아둘 만한 하이브리드 형태도 있습니다. 바로 SDH(청각장애인과 난청인을 위한 자막)로, 자막 파일처럼 포맷되지만 보통 캡션에서만 볼 수 있는 효과음과 화자 정보까지 포함합니다. 플랫폼마다 처리 방식이 다르고, 여기서 한 단락으로 다루기보다 별도의 설명이 필요할 만큼 구체적인 주제입니다.

자막이란 정확히 무엇인가

짧게 정리하자면, 자막은 오디오의 다른 모든 것은 잘 들린다고 가정한 상태에서 오디오에 맞춰 타이밍이 맞춰진 번역 텍스트 한 줄입니다. 정의는 그게 전부입니다. 그 외 나머지(포맷, 번역 품질, 삽입 여부)는 그 위에 얹히는 세부 사항일 뿐입니다.

CentClip이 실제로 생성하는 것

이 부분은 정확히 짚고 넘어갈 필요가 있습니다. 실제로 예상해야 할 것에 영향을 미치기 때문입니다. CentClip은 동영상의 오디오를 원래 말한 것과 같은 언어로 전사합니다. 기술적으로는 이게 캡션에 해당하지만, 대부분의 사람은(저희를 포함해서 대부분의 경우) 사람들이 검색할 때 그렇게 부르기 때문에 그냥 자막 생성기라고 부릅니다. 동영상에 구워 넣어(오픈 캡션) 내보낼 수도 있고, 독립된 SRT/VTT 파일(클로즈드 캡션)로 내보낼 수도 있으며, 어느 쪽이든 분당 5센트로 비용은 같습니다.

CentClip이 아직 하지 않는 것은 그 트랜스크립트를 다른 언어로 번역하는 일입니다. 이건 로드맵에는 있지만 아직 출시되지 않았습니다. 접근성이나 소리 없이 보는 소셜 미디어 시청자를 위한 같은 언어 캡션이 필요하다면, CentClip의 캡션 생성기와 자막 생성기는 내부적으로 완전히 동일한 작업을 합니다. 국제적인 시청자를 위한 실제 번역 자막이 필요하다면, 그건 오늘날 자동 전사가 해결하는 것과는 다른 작업입니다.