영어 지문 추출 — PDF·이미지에서 타이핑 없이 지문 확보하기

변형문제 한 세트를 만들려면 먼저 지문이 텍스트로 존재해야 합니다. 그런데 학원에 들어오는 원본은 대부분 텍스트가 아닙니다. 학교에서 나눠준 부교재 프린트, 스캔된 내신 기출, 2단 편집 모의고사 PDF, 학생이 휴대폰으로 찍어 보낸 시험지 사진처럼 편집 불가능한 형태가 압도적으로 많습니다.

그래서 지금도 '영어 지문 타이핑'을 외주로 맡기는 시장이 실제로 존재합니다. 재택 타이핑 아르바이트 중개 사이트에서는 지문 한 건당 수천 원 수준(건당 5천 원 안팎부터)의 단가로 거래가 이루어집니다. 비용도 비용이지만 더 큰 문제는 시간입니다. 외주를 거치면 하루 이상이 소요되고, 오타 검수는 결국 강사 몫으로 돌아옵니다.

한글 문서용 OCR 도구는 많지만 영어 시험지에 특화된 도구는 의외로 공백에 가깝습니다. 범용 OCR은 2단 레이아웃에서 좌우 단을 섞어 읽거나, 밑줄 친 어법 문항의 (A)(B)(C) 마커·번호 원문자를 깨뜨리는 일이 잦습니다. 이 '마지막 10%'를 사람이 고치는 시간이 타이핑 전체 시간과 맞먹는 경우도 흔합니다.

학원에서 다루는 영어 지문의 출처는 크게 네 갈래입니다. 교과서, EBS 연계교재(수능특강·수능완성, 이른바 '수특'·'수완'), 모의고사(전국연합·모의평가), 그리고 사설 교재나 원서 같은 외부 지문입니다. 고교 내신이 교과서·부교재·모의고사·외부지문을 혼합해 출제하는 관행이 일반적이기 때문에, 시험기간에는 네 경로를 동시에 처리해야 합니다.

경로마다 원본의 형태가 다르므로 추출 전략도 달라야 합니다. 아래 표는 원본 형태와 추출 시 주의점을 실무 기준으로 정리한 것입니다.

어느 경로든 저작권 문제는 별개로 따라붙습니다. 교재·기출 지문을 내부 수업자료로 활용하는 범위와 외부 판매·배포는 법적으로 전혀 다른 문제이므로, 자료를 상업적으로 재배포하는 구체적인 사안은 반드시 전문가 확인을 거치시기 바랍니다.

첫째, 수동 타이핑입니다. 정확도는 사람이 검수한 만큼 나오지만 속도가 가장 느립니다. 150단어 지문 하나를 옮기고 검수까지 마치면 숙련자도 상당한 시간이 들고, 28지문짜리 모의고사 한 회분이면 사실상 하루 작업입니다. 외주 타이핑도 결국 이 방식의 시간과 비용을 다른 사람에게 옮긴 것에 불과합니다.

둘째, 범용 OCR입니다. 텍스트 레이어가 살아 있는 PDF라면 복사·붙여넣기만으로 끝나지만, 스캔본·이미지에는 OCR이 필요합니다. 영어 인쇄체 자체의 인식률은 준수한 편이나, 시험지 특유의 요소 — 2단 레이아웃, 밑줄, ①~⑤ 원문자, (A)(B)(C) 네모, 각주 — 에서 깨짐이 집중적으로 발생합니다. OCR 결과를 그대로 쓰면 안 되고 반드시 원문 대조가 필요합니다.

셋째, AI 기반 자료 추출입니다. 최근에는 이미지·PDF를 통째로 읽고 지문 단위로 구조화해 주는 방식이 실무의 대안으로 자리잡고 있습니다. 단순 문자 인식이 아니라 '어디부터 어디까지가 한 지문인지', '발문과 선택지는 무엇인지'를 함께 판별하기 때문에, 2단 시험지에서도 지문 단위로 정리된 결과를 얻을 수 있습니다. 스모트(SMOAT)의 자료 추출 파이프라인도 이 방식으로, PDF 등 자료에서 지문을 추출해 바로 문제 생성·분석으로 넘길 수 있게 설계되어 있습니다.

어떤 방법으로 추출했든 검수 없이 시험지에 올리는 것은 위험합니다. 지문에 오타가 있으면 빈칸추론·어법 같은 정밀 유형에서는 문제 자체가 성립하지 않게 되고, 학부모 신뢰에도 직결됩니다. 추출 직후 확인해야 할 지점은 다음과 같습니다.

특히 주의할 것은 '그럴듯하게 틀린' 오인식입니다. rn이 m으로, cl이 d로 붙어 읽히는 식의 오류는 철자검사기로도 잡히지 않는 경우가 있어, 의미가 어색한 문장은 반드시 원본 이미지와 대조해야 합니다.

모의고사 시즌에는 지문 추출이 곧 경쟁력이 됩니다. 시험 당일 오후 PDF가 공개되면, 그날 저녁 해설 수업과 다음 날 변형문제까지 이어지는 시간표가 시작됩니다. 2026년 기준 전국연합·모의평가는 3월 24일, 5월 7일(고3·경기), 6월 4일(고3 모평, 고1·2 부산), 7월 8일(고3·인천), 9월 2일(고3 모평, 고1·2 인천), 10월 20일(전국연합) 순으로 예정되어 있습니다. 일정은 변경될 수 있으므로 반드시 시행처 공지를 확인하시기 바랍니다.

당일 워크플로는 단순할수록 강합니다. 첫째, 공개 직후 PDF를 확보해 18~45번 독해 지문을 일괄 추출합니다. 둘째, 마커·경계 중심으로 속성 검수를 합니다. 셋째, 우선순위 유형(빈칸·순서·삽입 등 오답률 높은 문항)부터 분석지와 변형문제를 만듭니다. 여기서 1단계가 수작업 타이핑이면 3단계는 물리적으로 다음 주로 밀립니다.

특히 '고1 3월 모의고사'는 학부모 검색과 상담 문의가 몰리는 첫 관문입니다. 시험 다음 날 분석 자료를 내놓는 학원과 일주일 뒤에 내놓는 학원의 차이는 결국 추출·제작 파이프라인의 차이입니다.

지문 추출은 목적이 아니라 시작점입니다. 텍스트를 확보한 다음에는 분석지·변형문제·시험지 조판이라는 더 큰 작업이 기다리고 있습니다. 스모트는 이 전체 흐름을 하나로 잇는 것을 전제로 설계되어 있습니다. PDF 등 자료에서 지문을 추출하거나 교과서·EBS·모의고사·외부 지문을 붙여넣으면, 그 지문이 곧바로 다음 단계의 입력이 됩니다.

추출된 지문으로는 직독직해·논리구조·핵심어휘·구문분석을 담은 7개 섹션 A4 심층 분석지를 자동 생성할 수 있고, 빈칸추론·어법·글의 순서 등 내신·수능 19유형의 문제를 유형별 개수·난이도를 지정해 만들 수 있습니다. 강사가 지문에 직접 마킹한 출제 포인트가 문제에 반영되고, 정답과 상세 해설이 동시에 생성됩니다.

완성된 문항은 편집 가능한 Word(.docx)로 자동 조판되며 한글(HWP)도 지원합니다. 학생용·강사용 해설지 분리, 정답표 자동 생성, 학원 로고 삽입까지 포함되므로, '추출 → 분석 → 출제 → 조판'이 한 화면 안에서 끝납니다. 학교별·학년별·연도별 트리 아카이빙으로 추출해 둔 지문 자산이 쌓이는 것도 장기적으로 큰 차이를 만듭니다. 이용 방식은 크레딧·구독 안내(/credits/products)에서 확인하실 수 있습니다.