lumi✦

Lumi / 주요 기능

YouTube 이중 언어 자막 정제 및 스마트 문장 분할

Subtitle Refinement가 앞뒤 문맥을 바탕으로 잘게 쪼개진 자동 자막을 완전한 문장으로 재구성해 번역하며, Playback-first Refinement Window가 지금 시청 중인 재생 위치를 최우선으로 처리합니다.

Chrome ↗Edge ↗설정 가이드

예시 및 사양

사양과 제한
항목설명
정제 입력 소스플랫폼의 기존 자막 텍스트와 타임스탬프를 기반으로 문장 재분할 및 윤문 수행 (오디오 재인식 아님).
결정적 번역 청크일반 자막 번역은 트랙 시작점부터 버전 규칙에 따라 결정적으로 분할: 청크당 최대 10 cue, 원문 2,000자.
재생 위치 우선 스케줄링Playback-first Refinement Window가 현재 재생 구간을 우선 처리하며 일반 번역의 Deterministic Subtitle Chunk와는 별도 구조로 동작.
공유 결과물 매칭관리형 결과물은 입력 식별자와 Generation Profile Fingerprint가 일치할 때 재사용되며 텍스트 BYOK와 영상 채팅은 제외.
동일 실행의 자막 재분할 비교
처리 전: 겹치는 입력 cue 4개처리 후: 의미 단위 cue 3개
  1. 0.16–4.24 shi everyone so recently I gave a
  2. 2.28–6.40 s30-minute talk on large language models
  3. 4.24–8.48 sjust kind of like an intro talk um
  4. 6.40–10.08 sunfortunately that talk was not recorded
  1. 0.16–4.08 shi everyone so recently I gave a 30-minute talk on large language models
  2. 4.08–6.16 sjust kind of like an intro talk
  3. 6.16–8.20 sum unfortunately that talk was not recorded

2026-09-27 동일 자막 구간에서 기록된 실제 CLI 입출력 샘플(문장 재분할만 실행, 번역 비활성화; 아래 이중 언어 표는 별도 제품 데모)로, 파편화된 cue가 어떻게 의미 단위 문장으로 합쳐지는지 보여 줍니다.

deepseek-v4-flash · temperature 0 · boundary-v1 · 0–180 s · en

예시 및 실행 설정 다운로드
실제 자막 예시
시간원문Lumi 번역
21.60–26.00 sokay so let's begin first of all what is a large language model really好的，我们开始吧。首先，大语言模型到底是什么
26.00–29.76 swell a large language model is just two files right um嗯，大语言模型其实就是两个文件，对吧
29.76–32.60 sthere will be two files in this hypothetical directory在这个假设的目录里会有两个文件

실제 제품 데모 데이터에서 발췌한 예시(원본 영어 대사와 중국어 번역 쌍 유지)로, Lumi의 문장 재분할 및 대역 구성을 보여 줍니다. Andrej Karpathy · Intro to Large Language Models · 2026-06-27

사용 순서

  1. YouTube 영상을 열고 원문 자막 트랙, 번역 대상 언어, AI 모델을 선택합니다.
  2. 자막 정제(Refinement)를 켜면 현재 재생 헤드 주변 구간부터 즉시 우선 처리가 시작됩니다.
  3. 원하는 챕터나 시점으로 이동하면 스케줄러가 자동으로 새 재생 위치 주변을 최우선 순위로 전환합니다.
  4. 자연스럽게 다듬어진 이중 언어 자막을 원문과 나란히 읽으며 필요에 따라 모델이나 프롬프트를 조정합니다.

자주 묻는 질문

YouTube 자동 자막을 한 줄씩 그대로 번역하면 왜 문장이 어색하고 잘게 끊기나요?
YouTube 자동 생성 자막은 완결된 문장 단위가 아니라 2~3초 간격의 짧은 호흡 단위로 잘려 출력됩니다. 이 조각난 경계를 그대로 둔 채 한 줄씩 번역하면 어순이 다른 언어 사이에서 주어·대명사 지시와 문장 구조가 쉽게 깨집니다. Subtitle Refinement(자막 정제)는 인접한 자막 큐들을 함께 읽어 의미가 완결된 문장으로 다시 묶은 뒤 문맥에 맞는 번역과 가독성 후처리를 수행합니다. 다만 오디오를 새로 받아쓰는 것이 아니라 기존 자막 텍스트를 다듬는 과정이므로, 원문 자막 자체에 오타가 있는 고유명사나 코드는 원음을 재생해 확인하는 것이 좋습니다.
긴 강의 영상의 중간으로 바로 이동하면 앞부분 번역이 끝날 때까지 기다려야 하나요?
기다릴 필요가 없습니다. Playback-first Refinement Window(재생 위치 우선 창)가 현재 재생 위치를 실시간으로 추적해 지금 보고 있는 구간과 곧 재생될 주변 자막을 가장 먼저 처리하므로, 강의 중반부 원하는 챕터로 바로 건너뛰어 학습할 수 있습니다. 모델 추론과 API 속도 제한에 걸리는 짧은 시간 동안에는 기본 자막이 먼저 표시되었다가 정제가 완료되는 즉시 이중 언어 정제 자막으로 부드럽게 교체됩니다. 이 스케줄링은 자막 처리 순서만 제어하며 영상 재생 속도나 원본 오디오에는 영향을 주지 않습니다.
결정적 자막 청크(Deterministic Subtitle Chunk)와 재생 위치 우선 창은 무엇이 다른가요?
두 메커니즘은 서로 다른 계층의 문제를 해결합니다. Deterministic Subtitle Chunk는 일반 자막 번역의 표준 공유 단위로, 정렬된 전체 자막 트랙의 첫 부분부터 버전이 고정된 규칙에 따라 최대 10개 cue·원문 2,000자 단위로 일관되게 분할하여 원문과 번역문을 1대1로 대응시킵니다. 시청자의 재생 위치와 무관하게 경계가 항상 동일하므로 안정적인 캐시 재사용이 가능합니다. 반면 Playback-first Refinement Window는 자막 정제 작업을 어느 시간대부터 먼저 실행할지 결정하는 실시간 우선순위 스케줄러이며, 정제 결과의 공유에는 입력과 생성 프로필 지문 일치가 추가로 요구됩니다.
AI 모델을 바꾸거나 내 API 키(BYOK)를 쓰면 공유 캐시 결과가 그대로 적용되나요?
Shared AI Artifact(공유 AI 결과물) 재사용은 표준 관리형 흐름에서만 작동하며, 입력 자막 식별자와 Generation Profile Fingerprint(모델 이름, 대상 언어, 프롬프트·프로토콜 버전, 출력 파라미터를 해싱한 지문)가 완전히 일치할 때만 적중합니다. 따라서 모델이나 언어를 변경하면 항상 새로운 지문이 생성되어 이전 설정의 결과물이 잘못 반환되지 않습니다. 또한 BYOK 텍스트 번역·정제 및 영상 Q&A는 공유 풀에 포함되지 않습니다. 공유 결과 적중 시에는 Lumi Token이 차감되지 않으며, 새로운 관리형 생성이 완료될 때만 실제 입출력 Token 합계가 차감됩니다.