B컷전문 | 개발과 인생의 이야기

Whisper와 Python을 활용해 유튜브 영상에서 자동으로 자막을 추출하고 파일로 제공하는 SaaS 프로토타입을 구축하는 방법을 소개합니다.

왜 유튜브 자막 자동화 서비스가 필요한가?

전 세계 유튜브 영상의 85% 이상은 자막이 없는 콘텐츠입니다.
하지만 크리에이터, 기업, 교육기관 모두 자막의 SEO 효과, 접근성 향상, 글로벌 시청자 확보를 원합니다.

현재 자막 제작은 시간과 비용이 많이 드는 수작업이 주류입니다.
이를 자동화하고 누구나 쉽게 사용할 수 있는 SaaS 형태로 바꾸는 것이 이번 아이디어의 핵심입니다.

---

Whisper + YouTube Downloader + Flask = 자막 자동화 SaaS

구성 로직은 아주 간단하면서 강력합니다.

1) 사용자는 유튜브 URL을 입력합니다.

2) 백엔드는 영상 음성을 추출합니다.

→ youtube-dl 또는 yt-dlp 사용

3) Whisper 모델이 음성을 텍스트로 변환합니다.

4) SRT 또는 VTT 자막 파일로 변환해 제공합니다.

---

SaaS 프로토타입 아키텍처 예시

[사용자 브라우저]
        |
        v
[Flask 웹 서버]
        |
        +---> youtube-dl → 영상 다운로드
        |
        +---> Whisper 모델 → 음성 → 텍스트
        |
        +---> SRT 파일 생성
        |
        v
[사용자 다운로드]

---

개발 환경 준비

pip install flask flask-cors yt-dlp openai-whisper

• yt-dlp: youtube-dl의 고속 개선 버전
• openai-whisper: Whisper 모델 사용
• flask: API 서버 구축

---

Whisper 유튜브 자막 생성 코드 예시

from flask import Flask, request, jsonify, send_file
import whisper
import subprocess
import os

app = Flask(__name__)
model = whisper.load_model("small")

@app.route('/generate_subtitle', methods=['POST'])
def generate_subtitle():
    data = request.get_json()
    video_url = data.get('url')
    if not video_url:
        return jsonify({"error": "유튜브 URL이 필요합니다."}), 400

    file_name = "audio.mp3"
    subprocess.run(["yt-dlp", "-x", "--audio-format", "mp3", "-o", file_name, video_url])

    result = model.transcribe(file_name)
    os.remove(file_name)

    srt_path = "subtitle.srt"
    with open(srt_path, "w", encoding="utf-8") as f:
        for segment in result["segments"]:
            f.write(f"{segment['id']}\n")
            start = segment["start"]
            end = segment["end"]
            f.write(f"{format_srt_time(start)} --> {format_srt_time(end)}\n")
            f.write(f"{segment['text'].strip()}\n\n")

    return send_file(srt_path, as_attachment=True)

def format_srt_time(seconds):
    hours = int(seconds // 3600)
    minutes = int((seconds % 3600) // 60)
    secs = int(seconds % 60)
    millis = int((seconds - int(seconds)) * 1000)
    return f"{hours:02}:{minutes:02}:{secs:02},{millis:03}"

if __name__ == '__main__':
    app.run(debug=True)

이 예제는 실제 서비스 프로토타입으로 바로 테스트가 가능한 수준입니다.

---

기능 고도화 확장 예시

기능 설명

다국어 지원	Whisper --task translate로 자동 번역
사용자 파일 업로드	유튜브 외의 mp3, wav 파일도 지원
사용자 계정 연동	사용자별 작업 관리
파일 포맷 선택	SRT, VTT, TXT 등 선택 가능
API 형태로 오픈	다른 앱, 서비스에서 호출 가능

---

서비스 제공 프로세스 예시

1. 사용자: 유튜브 링크 입력
2. 서버: 영상 음성 추출 → Whisper 전사 → SRT 파일 생성
3. 사용자: SRT 파일 다운로드

예)

POST /generate_subtitle
{
  "url": "https://www.youtube.com/watch?v=xxxx"
}

---

예상 사용자 대상

사용자 니즈

유튜브 크리에이터	영상 자막 자동 생성
교육 콘텐츠 제작자	강의 자막 자동화
기업	홍보 영상의 글로벌 자막 제작
프리랜서 영상 편집자	자막 작업 시간 절감

---

서비스 사업화 가능성

• 무료 체험 + 프리미엄 유료 플랜 (영상 길이, 다국어 등급별 제한)
• SaaS 형태로 웹 대시보드 제공
• API 요금제 기반 기업용 API 제공 (B2B 확장)

---

마무리 인사이트

유튜브 영상 자막 생성은 반복적이고 시간이 많이 드는 작업입니다.
Whisper를 활용해 이 과정을 완전히 자동화하면 콘텐츠 제작자, 기업, 교육 기관 모두에 큰 가치를 제공할 수 있습니다.
실제 SaaS로 발전시킨다면 스타트업 MVP 모델로도 충분한 경쟁력을 확보할 수 있습니다.