“자막이 목소리보다 3분의 1초쯤 늦습니다”라는 댓글을 남긴 시청자는 지금까지 한 명도 없습니다. 아무도 알아차리지 못해서가 아닙니다. 알아차림이 말이 되기 전의 층위에서 일어나기 때문입니다. 읽기와 듣기는 함께 도착해야 하는 것입니다. 자막 줄이 그것을 말한 목소리보다 한 박자 늦게 떨어질 때, 혹은 다음 줄이 너무 일찍 끼어들어 앞 문장이 아직 발음되는 동안 결정적인 문장을 먼저 읽어 버릴 때, 그 어긋남은 관찰이 아니라 감각으로 기록됩니다. 영상은 살짝 아마추어 같고, 살짝 피곤하고, 살짝 이상해 보입니다 — 그리고 시청자는 그 이유를 말하지 못합니다. 자막은 어느새 대부분의 사람이 시청하는 방식의 일부가 되었습니다. 공공장소에서는 음소거로, 제2언어로, 시끄러운 부엌에서, 혹은 그저 습관으로. 그 말은 자막의 타이밍이 더 이상 접근성 차원의 배려가 아니라는 뜻입니다. 영상 자체의 리듬의 일부이고, 리듬이야말로 시청자가 이름 붙이지 않은 채 느끼는 바로 그것입니다.
타이밍이 대개 조금씩 어긋나 있는 이유는, 그것이 대개 추측이기 때문입니다. 자막을 만드는 표준적인 방법은 전사입니다. 소프트웨어가 완성된 오디오를 듣고, 어떤 단어가 말해졌을지 알아내고, 그다음 각 단어가 언제 시작되고 끝났을지를 알아냅니다. 두 단계 모두 추론이고, 두 번째가 들리는 것보다 훨씬 어렵습니다. 말해진 단어는 가지런한 소포로 도착하지 않습니다. 서로 뭉개지고, 문장 끝에서 잦아들고, 이웃 단어와 자음을 나눠 씁니다. 숨소리가 경계로 읽히기도 하고, 배경 소음이 경계를 뭉개기도 하며, 억양이나 웅얼거린 음절은 단어가 어디서 시작됐는지에 대한 기계의 짐작을 밀어냅니다. 단어 자체는 대개 제대로 나옵니다. 타임스탬프는 “그럴듯하게” 나오는데, 그것은 정확한 것과는 다른 일입니다. 각 줄은 대략 있어야 할 자리에 떨어지지만, 앞뒤로 몇 분의 1초씩, 줄마다 다르게 어긋납니다. 영상 전체로 평균 내면 괜찮아 보입니다. 줄 단위로 보면, 바로 그 흔들림이 이름 붙일 수 없는 “뭔가 이상하다”는 감각을 만들어 냅니다.
그러나 전사 방식이 무엇을 전제하는지 보십시오. 오디오가 유일한 진실의 원천이고, 텍스트는 거기서 재구성되어야 한다는 전제입니다. 텔레프롬프터로 촬영했다면 그 전제는 거꾸로 서 있습니다. 텍스트는 테이크 전부터 존재했습니다. 당신이 썼으니까요. 무엇이 말해졌는지 추측할 필요가 전혀 없습니다. 그리고 덜 분명한 두 번째 귀결이 있습니다. Talk2Camera에서 음성 팔로우가 켜져 있는 동안 대본은 당신의 실제 목소리를 따라 스크롤됩니다. 즉 앱은 당신이 대본의 어디에 도달했는지를 순간순간 알고 있습니다. 자막 타이밍은 그 지식에서 거의 공짜로 흘러나옵니다. 각 줄은 읽는 동안 대본에서 실제로 도달한 지점으로부터 — 나중에 파형에서 재구성하는 것이 아니라, 일어나는 그 자리에서 기록된 낭독 자체로부터 — 시간이 매겨집니다. 음성 팔로우 없이 녹화된 테이크라면 앱은 대신 타이밍을 추정하고, 그 사실을 솔직하게 말합니다. 추정은 추정이라고 표시되어 있는 한 정직한 것입니다.
이 모든 것을 감싸는 실무적인 포장은 일부러 수수합니다. 영상이 완성되면 Talk2Camera는 자막을 화면에 구워 넣습니다 — 텍스트가 그냥 그림의 일부여야 하는 플랫폼과 피드를 위해. 또는 시청자가 켜고 끌 수 있는 별도 트랙을 선호하는 플랫폼을 위해 .srt 파일을 내보냅니다. 스타일 설정은 텍스트가 어떻게 보이는지를 맡고, 줄별 타이밍은 언제 나타나는지를 맡습니다. 그리고 모든 줄은 편집기에서 계속 조정할 수 있습니다. 정직한 단서가 살 곳이 바로 여기입니다. 추정된 줄이 어긋났다면, 혹은 자랑스러운 침묵 위에 자막을 한 호흡 더 걸어 두고 싶다면, 끌어서 옮기면 됩니다. “자동이니까”라는 주장 뒤에 잠긴 것은 아무것도 없습니다. 자동화는 자신이 잘하는 구십 몇 퍼센트를 해내고, 마지막 몇 번의 손질은 당신의 몫입니다. 그것이 사람과 타이밍 엔진 사이의 올바른 분업입니다.
이 모든 것을 가차 없게 만드는 자막 스타일이 하나 있는데, 하필 지금 어디에서나 보이는 그 스타일입니다. 줄 전체가 보이는 채로, 말해지는 순간마다 단어가 하나씩 밝아지는 단어별 하이라이트입니다. Talk2Camera는 이것을 스타일로 제공하며, 왜 이 스타일이 판돈을 키우는지 이해해 둘 가치가 있습니다. 보통의 자막 줄은 관대합니다. 줄 전체에 대해 몇 분의 1초 이르거나 늦는 것은 흔들림에 그칩니다. 그러나 엉뚱한 단어를 밝히는 하이라이트는 흔들림이 아닙니다. 초당 두 번씩, 시청자의 눈이 주차된 바로 그 자리에서, 눈에 보이게 틀리는 것입니다. 노래방은 튀어 오르는 공이 어디에 있어야 하는지를 모두에게 정확히 가르쳐 놓았습니다. 추측된 타이밍이야말로 수많은 영상에서 이 스타일이 삐걱거리게 느껴지는 이유이고, 대본에서 실제로 있던 자리에서 가져온 타이밍이야말로 이 스타일을 애초에 성립하게 하는 것입니다. 보상은 어떤 스타일에서든 같고, 눈에 보이지 않습니다. 당신의 자막 타이밍을 칭찬할 사람은 아무도 없을 것입니다. 사람들은 그저 더 오래 보고, 더 많이 이해하고, 작고 집요한 마찰의 부재가 사실은 기능이었다는 것을 끝내 알지 못할 것입니다 — 사라졌을 때에만 알아차리게 되는, 가장 좋은 종류의 기능이었다는 것을.