srv3란? YouTube 컬러·노래방 자막 형식

srv3는 YouTube 고유의 자막 형식으로, YouTube Timed Text라고도 하며 확장자는 주로 .srv3나 .ytt를 씁니다. 가장 흔한 SRT와 달리 srv3는 글자 색, 테두리, 화면상의 위치, 글자마다의 타이밍까지 기록할 수 있습니다. 그래서 YouTube에서 노랫소리에 맞춰 색이 바뀌는 노래방 자막은 거의 다 srv3로 만들어집니다.

srv3라는 이름의 유래

YouTube 자막 시스템은 내부적으로 이 형식을 'srv3'(버전 3)라고 부르며, 파일의 루트 요소에도 format="3"이라고 적혀 있습니다. yt-dlp로 자막을 내려받을 때 srv3 형식을 고르면 받게 되는 파일이 바로 이것입니다. 컬러 자막을 만드는 커뮤니티 도구(예: YTSubConverter)에서는 보통 YouTube Timed Text라고 부르고 .ytt로 저장합니다. 내용은 같고 확장자만 다릅니다.

YouTube 공식 도움말의 '지원되는 자막 파일 형식'에는 srv3가 나와 있지 않지만, 실제로는 YouTube 스튜디오에 업로드할 수 있고 커뮤니티에서는 오래전부터 이 방법으로 컬러 자막을 만들어 왔습니다.

파일 구조

srv3는 XML 텍스트 파일입니다. <head>에서 스타일을 정의하고, <body>에 자막이 한 줄씩 들어갑니다.

<?xml version="1.0" encoding="utf-8" ?>
<timedtext format="3">
<head>
<pen id="0"/>
<pen id="1" fc="#FFFFFF" ec="#000000" et="3"/>
<pen id="2" fc="#5B8CFF" ec="#000000" et="3"/>
<pen id="3" fo="0" bo="0"/>
<ws id="0"/>
<wp id="0"/>
<wp id="1" ap="7" ah="50" av="95"/>
</head>
<body>
<p t="1000" d="2000" wp="1"><s p="3">&#x200B;</s>&#x200B;<s p="1">Sing along</s></p>
</body>
</timedtext>

<pen>: 텍스트 스타일입니다. fc는 글자 색, fo는 글자 불투명도, ec는 테두리 색, et는 테두리 종류, sz는 글자 크기(퍼센트), fs는 글꼴, b·i·u는 굵게·기울임·밑줄입니다.
<wp>: 화면 위치입니다. ap는 기준점(0~8, 3×3 격자에 대응), ah·av는 가로·세로 위치의 퍼센트입니다.
<ws>: 창 스타일입니다. 텍스트 정렬 방식 같은 설정이 여기에 들어갑니다.
<p>: 자막 한 줄입니다. t는 시작 시간, d는 지속 시간이며 단위는 모두 밀리초입니다.
<s>: 자막 안의 텍스트 한 구간이며, p로 어떤 pen을 쓸지 지정합니다.

예시에는 YouTube에 맞추려고 넣은 요소가 두 가지 있으며, 화면에는 영향을 주지 않습니다.

id가 0인 빈 정의: iOS 앱은 첫 번째 pen의 배경 설정을 무시하기 때문에, 정의마다 첫 번째에는 쓰지 않는 빈 항목을 둡니다.
자막 맨 앞의 : 는 눈에 보이지 않는 너비 없는 공백(zero-width space)입니다. 맨 앞에 투명한 pen 3을 쓴 너비 없는 공백을 한 구간 두고, 이어서 어떤 <s>에도 속하지 않는 너비 없는 공백을 하나 더 넣어야 YouTube가 가사 부분의 스타일을 유지합니다(이유는 아래 'YouTube에서의 제한 사항' 참고).

글꼴

srv3에는 글꼴 이름을 쓸 수 없고, fs로 YouTube가 제공하는 7가지 글꼴 중 하나만 고를 수 있습니다.

`fs`	글꼴	종류
생략 또는 0	Roboto	기본
1	Courier New	고정폭 세리프
2	Times New Roman	세리프
3	Lucida Console	고정폭 산세리프
4	Roboto	산세리프
5	Comic Sans MS	캐주얼
6	Monotype Corsiva	손글씨
7	Carrois Gothic SC	스몰 캡스

이 글꼴들은 모두 로마자용 글꼴이라 한중일 문자가 들어 있지 않습니다. 한중일 문자는 기기에 있는 다른 글꼴로 표시되므로, 글꼴을 바꿔도 한중일 문자는 달라 보이지 않을 수 있고 영문과 숫자만 바뀝니다.

SRT, WebVTT, ASS와의 차이

기능	SRT	WebVTT	ASS	srv3
글자 색	일부 플레이어에서 `<font color>` 지원	지원	지원	지원
테두리, 그림자	미지원	제한적	지원	지원
화면상의 위치	미지원	지원	지원	지원
글자별 타이밍(노래방)	미지원	지원(인라인 타임스탬프)	지원(`\k`)	지원
YouTube 업로드	가능	가능	불가	가능

ASS는 기능이 가장 많은 자막 형식이라 애니메이션 팬 자막 제작에 많이 쓰이지만, YouTube는 ASS를 받지 않습니다. YouTube에서 색상, 위치, 노래방 효과를 유지하려면 srv3로 변환해야 합니다.

노래방 효과를 만드는 원리

srv3에는 '이 글자는 몇 초에 색이 바뀐다'는 태그가 없습니다. 노래방 효과는 같은 자막을 여러 번 반복해서 만듭니다. 가사 한 줄을 여러 개의 자막으로 나누고, 자막마다 앞의 것보다 한 글자씩 더 '부른 후' 색으로 칠하는 방식입니다.

읽기 쉽도록 아래 예시에서는 맨 앞의 너비 없는 공백을 생략했습니다.

<p t="1000" d="400"><s p="2">Sing</s><s p="1"> along</s></p>
<p t="1400" d="1600"><s p="2">Sing along</s></p>

위의 두 자막은 시간상 바로 이어집니다. 1초에 Sing의 색이 먼저 바뀌고, 1.4초에 줄 전체의 색이 바뀝니다. 글자별 타이밍이 세밀할수록 나뉘는 자막도 많아져서 노래 한 곡에 수천 개가 되기도 합니다. 그래서 손으로 쓰기는 어렵고 도구로 만들어야 합니다.

srv3에는 다른 방식도 있습니다. <s>에 t 속성을 붙여 글자마다 정해진 시간에 나타나게 하는 것입니다. YouTube 자동 자막이 한 단어씩 나타나는 것도 이 방식입니다.

같은 시점에 자막을 두 개 이상 둘 수도 있습니다. 위치를 다르게 해서 겹치거나 테두리를 다르게 해서 그림자나 이중 테두리 효과를 냅니다.

YouTube에서의 제한 사항

아래 내용은 YTSubConverter 설명을 정리한 것입니다. 만들기 전에 알아 두면 시행착오를 줄일 수 있습니다.

YouTube 스튜디오 미리보기에서는 스타일이 보이지 않습니다. 업로드한 뒤 스튜디오의 자막 편집기에는 일반 텍스트로 표시되는데, 정상입니다. 스튜디오에서 수정하지만 않으면 실제 플레이어에서는 스타일이 표시됩니다. 스튜디오에서 자막을 수정하면 스타일이 사라질 수 있습니다.
모바일 앱은 표시 기능이 단순합니다. 모바일 앱에서는 배경을 바꿀 수 없고(항상 검은 배경), 루비와 후리가나는 괄호 안의 일반 텍스트로 바뀝니다.
가운데에서 벗어난 자막은 영화관 모드에서 양옆으로 밀려납니다. 화면 왼쪽이나 오른쪽에 둔 자막은 컴퓨터의 영화관 모드에서 더 가장자리로 가고, 동영상 밖으로 벗어나기도 합니다.
자막마다 첫 구간의 스타일이 지워질 수 있습니다. 업로드할 때 YouTube는 자막마다 첫 번째 텍스트 구간의 스타일 설정을 지웁니다. 단, 그 자막에 어느 구간에도 속하지 않는 텍스트가 있으면 지우지 않습니다. 보통 맨 앞에 보이지 않는 너비 없는 공백을 넣어 해결하며, Kara3는 내보낼 때 이를 자동으로 처리합니다.
글꼴은 7가지 중에서만 고를 수 있습니다. 위 표에 있는 글꼴만 쓸 수 있고, 다른 글꼴은 지정할 수 없습니다.
글자 크기는 4분의 1만 반영됩니다. sz를 200%로 해도 실제로는 125%까지만 커지고, 줄일 때도 75%가 한계입니다.

Kara3로 srv3 편집하기

Kara3는 설치 없이 쓸 수 있는 무료 srv3 편집기입니다. 반복된 자막을 가사 한 줄로 다시 합쳐 주기 때문에 텍스트, 시간, 색상, 위치를 바로 고칠 수 있고, 내보낼 때 반복 자막을 자동으로 만들어 줍니다. 인식하지 못하는 내용은 그대로 보존되므로 망가지지 않습니다.

노래방 자막을 처음부터 만들고 싶다면 노래방 자막 만들기를, 이미 SRT나 ASS 파일이 있다면 SRT, ASS를 srv3로 변환하기를 참고하세요.