쇼츠·릴스 만들기 (가로 영상 → 세로 9:16 + 자동 자막)
가로로 찍은 영상을 유튜브 쇼츠, 인스타그램 릴스, 틱톡에 맞는 세로 영상으로 바꿔요. 얼굴을 자동으로 따라가는 크롭, 흐린 배경으로 원본 전체를 보여주는 모드, 제목 텍스트, AI 자동 자막까지 이 브라우저(내 기기) 안에서 처리하고, 영상은 서버로 올라가지 않아요.
도구를 불러오는 중이에요...
이럴 때 쓰세요
가로로 찍은 인터뷰를 세로로
인터뷰처럼 사람이 좌우로 움직이는 영상은 「출력 비율」을 9:16으로 두고 「자르기 방식」에서 「얼굴 따라가기」를 고른 뒤 「얼굴 위치 분석하기」를 누르세요. 말하는 사람이 화면 중앙에 오도록 세로 화면이 따라가요.
화면 녹화나 표 자료는 잘리지 않게
PC 화면이나 표처럼 가장자리 글자까지 보여야 할 때는 「흐린 배경 + 원본 전체」를 고르세요. 원본이 작게 위에 올라가고 남은 위아래는 흐린 배경이 채워서 글자가 잘리지 않아요.
긴 영상의 하이라이트 30초만
한 시간 분량 영상에서 가장 재밌는 부분만 쓰려면 「시작 시간(초)」과 「끝 시간(초)」에 그 구간을 적고 「제목 텍스트 추가」로 제목을 넣은 뒤 「변환하고 저장」을 누르세요. 고른 구간만 처리돼요.
사용 방법
- 세로로 바꿀 영상을 끌어다 놓거나 골라요. (MP4, MOV, WEBM · 최대 3분)
- 출력 비율(9:16, 4:5, 1:1)과 자르기 방식(얼굴 따라가기 / 가운데 고정 / 흐린 배경 + 원본 전체)을 골라요.
- 필요하면 시작·끝 시간을 입력해서 원하는 구간만 잘라내요.
- '얼굴 따라가기'를 선택했다면 '얼굴 위치 분석하기'를 눌러 영상 속 얼굴 위치를 미리 찾아요.
- 필요하면 제목 텍스트를 추가하고, '자동 자막 생성'을 켠 뒤 '자막 생성하기'를 눌러 AI가 대사를 받아 적게 해요. 생성된 자막은 아래 목록에서 직접 고치거나 줄을 추가·삭제할 수 있어요.
- 미리보기 슬라이더로 결과를 확인한 뒤 '변환하고 저장'을 눌러요. 영상 길이만큼 실시간으로 처리되니 끝날 때까지 탭을 열어 두세요.
- 완성된 영상을 내려받고, 필요하면 자막을 .srt 파일로도 따로 내보내요.
어떻게 동작하나요
이 도구는 영상을 서버로 보내지 않고 브라우저 안에서 직접 처리해요. 얼굴 위치는 구글이 공개한 얼굴 인식 AI로 0.5초마다 한 번씩 찾아서, 위치가 갑자기 튀지 않도록 부드럽게 보정한 다음 그 중심을 기준으로 세로 화면을 잘라내요. 흐린 배경 모드에서는 원본 영상을 크게 확대·흐리게 처리해서 세로 화면 전체를 채우고, 그 위에 원본 영상을 잘리지 않게 작게 올려서 보여줘요. 자막은 음성 인식 AI가 소리를 듣고 받아쓴 뒤 영상 위에 그대로 그려 넣어요. 변환은 영상 길이만큼 실시간으로 진행되는 점만 참고해 주세요.
쇼츠·릴스·틱톡에 올릴 때 알아두면 좋은 것
대부분의 쇼츠·릴스·틱톡 영상은 1080×1920 해상도의 9:16 세로 비율을 기본으로 써요. 화면 아래쪽과 위쪽에는 좋아요·댓글·공유 버튼이나 프로필 정보가 겹쳐서 표시되는 경우가 많아서, 자막이나 제목처럼 꼭 보여야 하는 글자는 화면 맨 위나 맨 아래 가장자리보다는 안쪽(세이프 존)에 배치하는 게 안전해요. 이 도구의 자막은 화면의 약 72% 높이, 제목은 위쪽 10% 근처에 배치되도록 기본 설정돼 있어요. 인스타그램 피드에는 4:5 비율이 더 많은 화면 영역을 보여줄 수 있고, 정사각형 썸네일이나 피드 영상에는 1:1 비율이 자연스러워요. 각 플랫폼의 정확한 영상 길이 제한이나 정책은 자주 바뀌니, 올리기 전에 해당 앱의 최신 안내를 확인하는 걸 추천해요.
자르기 방식 고르는 법
'얼굴 따라가기'는 인터뷰나 브이로그처럼 사람이 화면 속에서 좌우로 움직이는 영상에 잘 맞아요. '가운데 고정'은 카메라가 거의 움직이지 않거나 화면 가운데에 중요한 내용이 계속 있는 영상에 추천해요. '흐린 배경 + 원본 전체'는 화면을 잘라내지 않고 가로 영상 전체를 보여주고 싶을 때, 예를 들어 화면 안에 글자나 표, 여러 사람이 함께 나오는 장면에 유용해요.
더 알아보기
왜 세로 영상이 따로 필요할까
유튜브 쇼츠, 인스타그램 릴스, 틱톡은 모두 화면을 꽉 채우는 세로 영상을 기본으로 보여줘요. 가로 영상을 그대로 올리면 화면 위아래에 여백이 생기고, 휴대폰에서 영상이 작게 보여요. 반대로 세로로 꽉 채운 영상은 그 공간을 다 써서 더 크게 보여요.
9:16, 4:5, 1:1 비율은 뭐가 다를까
9:16은 쇼츠·릴스·틱톡의 기본 세로 비율로, 화면을 완전히 꽉 채워요. 대부분의 경우 이 비율을 고르면 돼요. 4:5는 9:16보다 좀 더 넓은 화면을 보여줄 수 있어서, 인스타그램 피드에 올릴 영상에 잘 맞아요. 1:1 정사각형은 피드용 영상이나 정사각형 썸네일이 필요할 때 자연스러워요. 어떤 비율이 가장 좋은지는 올리려는 플랫폼과 위치(스토리·릴스냐 피드냐)에 따라 달라지니, 목적에 맞게 골라주세요.
얼굴 따라가기 vs 흐린 배경, 언제 써야 할까
세로로 자를 때 가장 중요한 선택은 '어떤 부분을 보여줄지'예요. 얼굴 따라가기는 화면 속 인물의 위치를 자동으로 찾아서 그 사람을 중심으로 세로 화면을 잘라내는 방식이에요. 인터뷰, 브이로그, 강의처럼 사람이 화면 속에서 좌우로 움직이는 영상에 잘 맞아요. 카메라가 거의 고정돼 있고 중요한 내용이 항상 가운데 있다면 '가운데 고정'도 괜찮은 선택이에요.
흐린 배경 + 원본 전체는 화면을 전혀 잘라내지 않고, 가로 영상 전체를 세로 화면 안에 작게 넣은 다음 빈 공간을 흐리게 확대한 같은 영상으로 채워요. 화면 안에 자막이나 표, 그래프, 여러 사람이 함께 나와서 누구 하나도 잘리면 안 되는 영상에는 이 방식이 훨씬 안전해요. 요리 영상에서 재료와 손을 동시에 보여줘야 하거나, 여러 사람이 함께 등장하는 토크 영상 등이 대표적인 예예요.
자막이 중요한 이유와 세이프존
짧은 영상을 보는 사람들은 소리를 끄고 보는 경우가 많아요. 지하철이나 사무실처럼 소리를 낼 수 없는 곳에서 스크롤하며 보기 때문인데, 이때 자막이 없으면 내용을 전혀 이해하지 못하고 넘겨버리기 쉬워요. 자막을 넣어두면 소리 없이도 내용이 전달돼서, 소리를 끈 사람도 끝까지 볼 수 있어요.
세로 영상 앱들은 화면 위아래 가장자리에 좋아요·댓글·공유 버튼이나 프로필 정보를 겹쳐서 보여주는 경우가 많아요. 그래서 자막이나 제목처럼 꼭 보여야 하는 글자는 화면 맨 위나 맨 아래 가장자리가 아니라 안쪽, 이른바 '세이프존'에 배치하는 게 안전해요. 보통 자막은 화면 아래쪽 3분의 1 지점보다 조금 위, 제목은 위쪽 가장자리에서 살짝 내려온 위치에 두면 UI에 가려질 가능성이 줄어들어요. 다만 플랫폼마다 UI 배치가 조금씩 다르니, 올리기 전에 실제 앱에서 한 번 미리 보는 게 가장 확실해요.
자주 묻는 질문
영상 길이나 화질에 제한이 있나요?
자른 구간 기준으로 최대 3분까지 처리할 수 있어요. 1080p보다 큰 영상은 처리 중 1080p로, 원본이 720p 이하로 작으면 720p 세로 해상도로 자동으로 맞춰져요.
'얼굴 따라가기'는 어떻게 동작하나요?
영상을 0.5초 간격으로 분석해서 화면 속 얼굴의 가로 위치를 찾고, 갑자기 튀지 않도록 부드럽게 보정한 뒤 그 위치를 중심으로 세로 화면을 잘라내요. 얼굴이 없는 구간은 마지막 위치나 가운데를 기준으로 처리돼요.
AI 자막은 얼마나 정확한가요?
음성 인식 AI가 자동으로 자막을 만들어 주지만 발음, 배경 소음, 전문 용어에 따라 틀릴 수 있어요. 생성된 자막은 직접 수정하거나 줄을 추가·삭제할 수 있으니, 올리기 전에 꼭 확인해 주세요.
9:16, 4:5, 1:1 중 어떤 비율을 골라야 하나요?
유튜브 쇼츠, 인스타그램 릴스, 틱톡은 대부분 9:16 세로를 기본으로 써요. 인스타그램 피드에 올릴 때는 4:5, 정사각형 썸네일이나 피드용 영상에는 1:1이 더 잘 어울려요.
영상이 서버에 업로드되나요?
아니요. 얼굴 위치 분석, 자막 생성, 영상 변환 모두 이 브라우저(내 기기) 안에서만 이루어지고, 영상 파일은 외부로 전송되지 않아요.
자막을 만들 때 모델을 내려받는다는데 용량이 얼마나 되나요?
처음 한 번만 내려받고, 「AI 모델」에서 Whisper base는 약 77MB, Whisper small은 약 250MB예요. small이 한국어를 더 정확히 받아 적지만 더 오래 걸려요. 이후에는 브라우저에 남은 것을 써요.
자막은 어떤 언어를 받아 적나요?
「말하는 언어」에서 한국어, 영어, 자동 감지 중에서 골라요. 이 세 가지 외의 언어를 따로 고르는 항목은 없어요.
배경음악이나 화면 전환 효과를 넣을 수 있나요?
지원하지 않아요. 비율 바꾸기, 구간 자르기, 제목, 자동 자막, .srt 내보내기까지만 해요. 음악이나 효과는 완성한 영상을 다른 편집 도구에서 더해 주세요.
사용한 오픈소스
얼굴 위치 분석은 구글의 MediaPipe Face Detector(Apache-2.0 라이선스)를 이 기기 안에서 실행해서 처리해요. 자동 자막은 Whisper(MIT 라이선스) 음성 인식 모델을, Transformers.js(Apache-2.0 라이선스)와 ONNX Runtime Web(MIT 라이선스)을 통해 브라우저 안에서 직접 실행해서 만들어요. 실행 엔진은 이 사이트에서, 모델 파일은 우리 저장소에서(안 되면 Hugging Face에서) 받아오며, 영상이나 음성, 얼굴 정보는 외부로 전송되지 않아요.
⚠️ 음성 인식은 틀릴 수 있으니 자막을 꼭 확인해 주세요. 처리 시간은 영상 길이만큼 실시간으로 걸리니 끝날 때까지 탭을 열어 두세요. 파일은 서버로 가지 않지만, 권리가 있는 영상만 사용해 주세요.
마지막 확인일: 2026년 10월 8일 · 다고침 운영팀