영상에 하드코딩된 자막 자동추출 가이드 - 1
씨네스트에 기존에 소개된 여러가지 하드코딩 자막 추출법들을
사용해 봤는데, 인식률이 좋으면 불편하고, 편리하다 싶으면
글자 인식률이 형편없고, 딱 만족스러운게 없더군요.
그런데 인터넷을 찾아보다가 편의성과 완벽한 인식률 모두를 만족하는
좋은 프로그램이 있어서 소개할까 합니다.
제가 소개하는 이 프로그램은 구글 OCR 기능을 이용하지만 사람의 손으로
하나하나 처리할 작업을 자동적으로 처리해서, 그냥 실행시켜 놓고 기다리면
OCR 처리한 자막을 뚝딱 내놓는 프로그램입니다.
Video Sub Finder로 자막 이미지를 추출해서 자막 OCR 프로그램이 있는
폴더로 복사하고 실행버튼을 누르는 것 말고 아무것도 하지 않아도 됩니다.
모든 과정은 자동으로 처리됩니다.
어떤가요? 너무 편리하겠죠? 자막 제작자의 시간은 너무나 소중하니까,
시간을 아껴야죠. 귀찮은 노가다는 컴퓨터에 맡기구요.
아래 링크에 프로그램 사용방법에 대한 간단한 설명 동영상이 있습니다.
설치와 준비과정은 약간 까다로울 수 있기에 다음글에서 설명하기로 하고
일단 기본적인 사용법부터 캡쳐 이미지를 통해서 설명하겠습니다.
익숙한 Video Sub Finder로 자막 이미지를 추출합니다.
Video Sub Finder 다운로드 페이지
https://www.videohelp.com/software/VideoSubFinder
자신의 윈도우 버전에 따라서 32/64bit 구분해서 다운로드 하시면 됩니다
기존에는 OCR 인식률을 높이기 위해서 ISA이미지 파일을 이용하는 경우가
많은데, 우리는 구글 OCR을 사용할 것이기 때문에, 원본 RGB 이미지를 그대로
사용합니다.
RGB 폴더에 이미지를 그대로 사용할 경우 보시다시피 텍스트가 없는 이미지들이
많이 포함되서, 비어있는 자막이 생기게 되고, 또 중복된 텍스트들이 있어서 똑같은
자막이 두 세줄씩 생길 수 있습니다.
이 문제는 나중에 Subtitle Edit를 사용해서 자동수정 하기로 하고, 일단은 그냥
이대로 사용합니다. 왜냐? 지금 단계에서 수정하려면 귀찮고 시간이 오래 걸리니까요.
시간은 소중하지요.
작업이 완료될때까지 차 한잔 하거나, 다른 볼일 하시면서 기다리면 됩니다.
폴더 안에 이미지 파일이 919개네요. 45분 분량에 919개니까 평균적인 수준입니다.
20분 걸려서 작업이 완료되었습니다. 원본 파일이 고화질이라면 아마 30분 정도
걸렸을 겁니다.
훌륭합니다. 아주 정확하게 인식 불량 없이, 띄어쓰기도 거의 정확합니다.
역시 구글이네요. 그렇지만 텍스트가 없는 이미지 파일과 중복자막 이미지들이
포함된 RGB 폴더의 파일을 사용했기에, 앞서 예상했던 것처럼 비어있는 자막줄과
중복된 자막줄들이 눈에 보입니다.
이제 이것을 Subtitle Edit의 <일반적인 오류수정> 기능과 <동일한 텍스트라인 병합하기>
기능으로 정리합니다.
<일반적인 오류수정> 기능에는 빈 줄을 제거하는 옵션이 있습니다.
이 기능으로 텍스트가 없는 이미지 파일 때문에 생긴 비어있는 라인을 제거합니다.
훌륭하게 비어있던 텍스트 라인이 제거되었습니다.
다음으로 <동일한 텍스트 라인 병합> 기능을 실행합니다.
Google Docs OCR V3는 구글 클라우드 계정에서 구글 드라이브
api를 사용합니다. 구글 클라우드 계정을 만들면 시작할때 트라이얼
40만원 정도를 구글이 무료로 충전해 줍니다.
제가 지금까지 이 프로그램으로 영상 100개 가까이 하드코딩된 자막파일을
추출했지만, 40만원 중에 1만원도 사용 못했습니다. 자막 1000개를 추출한다고
해도 10만원도 안되네요. 사실상 무료니까 원하시는 하드코딩된 영상들에서
자막 마음껏 추출하세요.
프로그램의 실행을 위해서는 구글 클라우드 api가 포함된 credentials.json과
구글드라이브 자동로그인을 위한 token.json. 두개의 json 파일이 필요합니다.
이 두개의 json 파일을 Google Docs OCR V3 폴더 안에 집어넣어 두고,
이 폴더를 필요할 때마다 복사해서 사용하고 작업이 완료되면 그냥 삭제하는
방식으로 1회용으로 쓰면 편합니다.
왜냐하면 작업이 끝나고, 작업에 사용된 image 파일이나 구글드라이브에서
OCR 인식이 완료된 수백, 수천개의 텍스트 파일 등등이 컴퓨터에 남게 되기
때문에, 이걸 일일이 삭제하고 청소하는게 더 번거롭거든요.
그냥 json 파일이 들어있는 폴더를 복사해서 1회용으로 쓰고 삭제하고,
다시 복사해서 쓰고 삭제하는 식으로 쓰는게 좋습니다. 저는 이런 방식이 편합니다.
json 파일들의 생성에 방법에 대해서는 다음글에서 상세히 설명하고,
이번글에서는 프로그램의 사용방법에 대해서만 설명하겠습니다.
그리고 1시즌 전체 10개 이상 영상을 작업해야 한다면 BATCH HARDSUB TO SRT
이게 필요합니다. 이 프로그램은 특정한 폴더를 만들어서 파일을 작업하지 못하고,
그냥 구글 드라이브에서 작업합니다.
만일 시즌 한개 16개 영상이라면 자막 이미지 파일이 수천개에서 1만개 가까이
구글드라이브에 남게 될 겁니다. 그러면 구글 드라이브에서 그거 전부 삭제하고
정리하는데 시간이 한참 걸리겠죠.
그럴때는 구글 드라이브에 업로드한 파일이 있다면 컴퓨터에 백업하고, 정리해서 구글 드라이브를
깔끔하게 비워놓은 다음, 자막 작업이 끝난 이후에 Delete_All_Files_Google_Drive 프로그램을 실행하면
구글 드라이브에 있는 모든 파일을 자동으로 삭제해 줍니다.
정리하는 작업도 시간이 걸리고, 귀찮은 일이죠. 실행시켜놓고, 자기 할일 하면 정리되는 겁니다
자막 제작자의 시간은 소중하니까요.
Google Docs OCR V3 BATCH CONVERT MULTI IDX/SUB TO SRT를 사용하면 dvd나 블루레이에서
한시즌 전체 IDX/SUB를 추출한 다음, 폴더에 넣고, 실행 한번만 누르면 srt 자막으로 모두 자동으로
변환 됩니다.
참고로 이 프로그램들은 인도인 프로그래머가 만든 것 같습니다. 인도 사람들 똑똑하네요 ㅎㅎ
이 유튜브 채널에 튜토리얼과 다운로드 방법이 나와 있으니 참고하시면 될겁니다.
https://www.youtube.com/@MrKingGM
다음글에서는 프로그램을 실행하기 위한 준비과정을 좀더 상세하게 설명하겠습니다.
이 글만으로 프로그램을 실행할 수는 없습니다. 필요한 파일들이 있기 때문이죠.
그래서 반드시 제 다음글을 읽어야 프로그램의 실행이 가능합니다.
다음글 링크
https://cineaste.co.kr/bbs/board.php?bo_table=psd_capmakef&wr_id=31011
