Descript는 텍스트 편집처럼 비디오 콘텐츠를 다룰 수 있게 만든 AI 기반 영상 에디터입니다. 초기부터 Whisper, GPT 시리즈 모델 등 OpenAI 기술을 적극적으로 활용하며 성장했습니다.

다국어 번역 및 더빙은 높은 잠재력을 가진 기능이지만, 언어별 길이 차이 때문에 자연스러운 발화 속도를 유지하는 것이 가장 큰 난관이었습니다. 예를 들어, 독일어가 영어보다 평균적으로 길기 때문에, 같은 내용을 번역해도 시간 제약 내에서 자연스럽게 맞추기가 어려웠습니다.

과거에는 의미 전달(Semantic Fidelity)에 초점을 맞춘 후 타이밍을 수정하려 했지만, 이 방식으로는 발화 속도가 부자연스러워지거나 수동으로 재편집해야 하는 문제가 발생했습니다. 이는 대규모 기업 현지화 프로젝트의 확장을 막는 병목이었습니다.

Descript는 이 문제를 해결하기 위해 OpenAI의 추론 모델을 도입하여 번역 파이프라인을 근본적으로 개선했습니다. 이제 시스템은 단순히 의미를 전달하는 것을 넘어, 원본 발화의 길이와 속도를 고려해 시간 제약(Duration Adherence)까지 최적화합니다.

개선된 시스템은 트랜스크립트를 작은 단위로 분할하고, 각 청크별 음절 수를 계산하여 목표 지속 시간을 추정합니다. 모델에게 의미 보존과 동시에 자연스러운 페이싱을 유지하도록 요청함으로써, 수동 재편집 없이도 고품질의 대량 더빙 출력이 가능해졌습니다.