학습
가장 흔한 만화 번역 실수 5가지—AI조차 오역하는 이유
업데이트 2026-07-30
의성어·의태어, 캐릭터 말투, 경어 표현, 말풍선 형태, 시각적 개그—인간과 AI 만화 번역 모두를 무너뜨리는 주요 실패 요인들.
만화 번역본을 읽다 보면 어딘가 모르게 2% 아쉽다고 느낀 적이 있으실 겁니다. 대사는 매끄럽게 읽히고 식자 작업도 깔끔하지만, 이상하게 캐릭터는 평평하게 느껴지고, 개그는 밋밋하게 넘어가며, 원작 특유의 감정선이나 긴장감이 특정 장면에서 사라져 버리는 순간들 말이죠.
결코 까다로워서가 아닙니다. 단지 만화 번역에서 '단어의 뜻을 바르게 옮기는 것'을 결승선으로 삼았을 때 발생하는 한계를 정확히 짚어내신 것뿐입니다. 만화 번역의 진짜 난관은 캐릭터의 어조(말투), 시각적 리듬, 개그의 메커니즘, 그리고 연출상의 긴장감을 한 번에 전달하는 데 있습니다. 이는 단순히 문장 단위의 번역이 아니라 다중 감각을 다루는 '멀티모달(multi-modal)'의 문제이기 때문입니다.
일본국제교류원(Japan Foundation)의 만화 의성어·의태어 자료에 따르면, 만화 속 효과음은 폰트 크기, 획의 굵기, 컷 내 배치를 통해 정적과 동적, 강함과 약함을 전달한다고 지적합니다. 만화 연구가 나츠메 후사노스케(Natsume Fusanosuke)는 한 걸음 더 나아가, 만화의 손글씨 효과음(SFX)은 **‘글자’인 동시에 ‘이미지’**로서 서사의 흐름 속에 유기적으로 녹아든다고 강조합니다. (일본국제교류원 일어 교육 자료 참조)
즉, 만화 번역은 단순한 언어 간의 문장 전환이 아닙니다. 텍스트, 캐릭터의 말투, 말풍선의 형태, 여백, 그리고 시선 이동과 읽기 리듬이라는 다층적인 레이어의 정보를 다른 언어로 재구성하는 작업입니다. 이 레이어 중 하나라도 놓치면 독자의 몰입감은 깨지고 맙니다.
다음은 이러한 완성도의 균열이 가장 빈번하게 발생하는 주요 사례들입니다. 본 글은 학술 논문, 업계 실무 경험, 그리고 재현 가능한 테스트 사례를 바탕으로 작성된 만화 번역의 고위험 시나리오 연구 보고서를 토대로 정리했습니다.
시나리오 1: 의성어와 의태어 — 단순한 ‘소리’가 아닌 ‘분위기’의 전달
일본 만화의 의성어와 의태어(giongo 및 gitaigo)는 다른 언어에 비해 훨씬 조밀하고 다양한 기능을 수행합니다. 단순히 소리를 흉내 내는 데 그치지 않고, じーっ(jii-)는 빤히 쳐다보는 시선을, しーん(shiin)은 공간을 채우는 어색한 정적을, ぞわっ(zowa')는 등골이 서늘해지는 감각까지 세밀하게 묘사합니다.
문제는 기존의 수많은 번역 파이프라인, 특히 텍스트 기반 AI 시스템이 이러한 효과음을 다룰 때 세 가지 흔한 실수를 범한다는 점입니다. 완전히 누락하거나, 발음 그대로 로마자로 표기하거나(Shiin...), 감정이 거세된 밋밋한 단어로 단순화("조용")해 버리는 것이죠.
대표적인 예시는 다음과 같습니다.
| 항목 | 내용 |
|---|---|
| 원문 | しーん…… |
| 흔한 실수 | Shiin…… / (아예 생략) / "조용……" |
| 권장 번역 | Dead silence…… (썰렁…… / 정적……) 또는 원문 효과음을 유지하고 여백에 주석 부기 |
왜 단순히 "조용"이나 사전적 의미의 정적으로 번역하면 안 될까요? 이 표현은 단순한 무음 상태가 아니라, **썰렁한 개그가 지나간 후나 난처한 상황에서 감도는 ‘어색하고 긴장감 넘치는 정적’**을 뜻하기 때문입니다. 이를 평범한 부사로 바꾸거나 아예 삭제해 버리면 컷 전체의 극적 긴장감이 사라집니다.
관련 학술 연구 역시 이를 뒷받침합니다. 의성어 번역 전략을 다룬 이노세(Inose)의 연구에서는 9가지 접근 방식을 제시하며, 명백히 불필요한 경우를 제외하고는 ‘생략’이 결코 좋은 선택이 될 수 없다고 결론지었습니다. 로한(Rohan) 등의 시선 추적(eye-tracking) 실험에 따르면, 단순한 설명조의 각주보다 효과음 고유의 시각적 타격감을 살린 번역이 독자의 시선을 훨씬 효과적으로 사로잡는 것으로 나타났습니다.
실무적인 3가지 원칙은 다음과 같습니다. 첫째, 해당 효과음이 **‘소리’**인지 **‘상태’**인지 먼저 파악하세요. 모든 효과음을 음향 요소로만 기계적으로 처리해서는 안 됩니다. 둘째, '고요하게', '갑자기' 같은 단순한 부사어로 뭉뚱그리지 마세요. 셋째, 번역할 언어에 일치하는 단어가 없다면 삭제하기보다 설명적 문구나 수식어의 조합을 활용하는 것이 바람직합니다.
시나리오 2: 경어와 말투(역할어) — 캐릭터마다 고유한 소리가 나야 한다
일본어에는 독자가 캐릭터의 유형을 즉각 파악할 수 있게 돕는 가상의 어조 체계인 **‘역할어(役割語, yakuwarigo)’**가 발달해 있습니다. 예를 들어 ～でござる는 무사 캐릭터, ～っス는 체육계 후배, ～わよ는 기품 있는 영애 스타일을 직관적으로 연상시킵니다. 홋카이도 대학의 KAKEN 연구 프로젝트에서도 역할어와 의성어/의태어를 일한/일중 만화 번역의 핵심 난제로 지목한 바 있습니다.
하지만 AI 번역은 바로 이 지점에서 모든 캐릭터의 말투를 평범하고 중립적인 어조로 '규격화'해 버리는 경향이 있습니다.
| 항목 | 내용 |
|---|---|
| 원문 | 了解っス、先輩！ |
| 흔한 실수 | "알겠습니다, 선배님!" (단정하고 딱딱한 표준 어조) |
| 권장 번역 | 운동부/사교적 맥락: "알겠슴다, 선배님!" 또는 "오케이입니다, 선배님!" |
원문의 っス라는 짧은 어미는 단순한 승낙의 의미가 아닙니다. 단 세 글자 안에 후배라는 위치 + 털털한 말투 + 적당한 존대 + 젊고 활기찬 에너지라는 4가지 레이어의 정보가 담겨 있습니다. AI 번역의 대표적인 한계는 이 다채로운 정보를 누구나 할 법한 건조하고 개성 없는 문장으로 압축해 버린다는 점입니다.
<나루토>의 번역 사례를 분석한 오사카 대학의 연구는 단호하게 지적합니다. 번역가가 캐릭터 고유의 '언어적 지문(linguistic fingerprint)'을 지속적으로 추적하지 않으면 캐릭터의 입체성이 온전히 전달되지 않는다는 것입니다. 타 언어 매체들이 일본어에 비해 특정 캐릭터 유형을 드러내는 언어적 자원이 상대적으로 적은 까닭도 있지만, 더 큰 원인은 번역 과정에서 말투나 어미의 특징을 권수와 페이지를 넘나들며 지속적으로 유지해야 할 핵심 변수로 관리하지 않기 때문입니다.
이에 대한 실질적인 해결책은 **'캐릭터 언어 시트(Character Language Sheet)'**를 구축하는 것입니다. 주요 등장인물의 1인칭 대명사(오레? 보쿠? 와타시?), 타인을 부르는 호칭(-상? -군? -선배?), 대표적인 어미 패턴, 말버릇을 최소한으로 정리하고 대사가 나올 때마다 이를 대조해야 합니다. 이는 학술적인 이념에 그치는 것이 아니며, 신경망 기계번역(NMT) 연구에서도 명시적인 제어 태그(control tag)를 활용할 때 경어 수준과 어조 유지 능력이 대폭 향상됨이 입증되었습니다.
시나리오 3: 문화적 맥락과 고유명사 — 핵심은 ‘직역인가 현지화인가’가 아니라 ‘어떻게 이해시킬 것인가’
세츠분(節分)에 콩을 던져 귀신을 쫓는 풍습, 교토로 떠나는 수학여행, 발렌타인데이에 여성이 남성에게 초콜릿을 주는 문화 등은 일본 만화에서 매우 자연스러운 배경입니다. 미국 매체에서 프롬 파티나 추수감사절이 당연하게 등장하는 것과 같죠. 하지만 이러한 배경이 타국 독자에게 자연스럽게 받아들여질지는 순전히 번역 방식에 달려 있습니다.
문화적 요소 번역에서 자주 발생하는 함정은 두 가지 극단입니다. 원문 그대로 기계적으로 남겨두어 독자를 혼란에 빠뜨리거나, 과도하게 현지화하여 작품 특유의 일본적 색채와 매력을 전부 없애버리는 것입니다.
| 항목 | 내용 |
|---|---|
| 원문 | 今日って節分だろ？ 豆まきしないの？ |
| 흔한 실수 | "오늘 세츠분이지? 콩 뿌리기 안 해?" (설명 없는 단순 직역) |
| 권장 번역 | 대중적 번역: "오늘 액운을 쫓는 세츠분이지? 귀신 쫓는 콩 뿌리기 안 해?" 또는 맥락을 살린 자연스러운 설명 결합 |
말레이어 만화 번역을 연구한 차우(Chow)의 논문은 흥미로운 경향을 보여줍니다. 1990년대부터 2010년대까지는 원문의 문화적 요소를 자국 문화로 대체하거나 생략하는 방식이 흔했지만, 2020년대에 들어서면서 원어 음차를 유지하면서 자연스러운 설명 문구를 덧붙이는 방식이 대세로 자리 잡았습니다. 요즘 독자들은 일본 문화 요소 자체에 거부감을 느끼지 않습니다. 그들이 거부하는 것은 설명 없이 뜬금없이 등장해 맥락을 깨뜨리는 상황입니다.
실무적인 판단 기준은 다음과 같습니다. 먼저 해당 요소가 해당 컷에서 수행하는 기능(스토리 진행, 캐릭터 묘사, 유머, 세계관 구축 등)이 무엇인지 분석해야 합니다. 스토리 진행에 필수적인 요소라면 **'이해도'**를 최우선으로 두어야 합니다. 단순한 분위기 형성용 요소라면 독자의 수용도를 고려해 가벼운 설명을 곁들여 원어 느낌을 살릴 수 있습니다. 가장 중요한 점은 그림으로 직접 그려진 시각적 요소와 번역 텍스트가 서로 충돌해서는 안 된다는 것입니다(작화에서 명백히 콩을 던지고 있는데 텍스트를 크리스마스 장식으로 바꿀 수는 없는 노릇입니다).
시나리오 4: 말풍선 레이아웃—번역은 맞았는데 아무도 읽을 수 없는 경우
이 문제는 번역 실무 경험이 없는 사람이 가장 쉽게 간과하는 함정입니다. 의미상 아무런 흠이 없는 완벽한 번역문을 완성해 말풍선에 넣어봅니다. 하지만 다음 세 가지 문제 중 하나가 발생합니다. 말풍선이 텅 비어 극적인 긴장감이 사라지거나, 글자가 테두리 끝까지 빽빽하게 들어차 읽기 어려워지거나, 번역문이 인물의 얼굴을 가려버리는 것이죠.
만화 번역은 텍스트를 옮기는 것으로 끝나지 않습니다. 말풍선 및 텍스트 레이어 작업, 폰트 선정, 위치 선정, 크기 조절, 줄바꿈으로 이어지죠. 전문 레터러(letterer)와 그래픽 에디터는 원화와의 관계 및 말풍선 모양에 맞춰 스케일 조절, 위치 이동, 말풍선 확장, 텍스트 축소 등을 섬세하게 조정하며 번역문을 말풍선 안에 배치합니다.
일한/일영 번역에서 이러한 현상이 특히 도드라집니다. 일본어 만화의 말풍선은 세로쓰기와 길게 늘어나는 경어(Keigo) 표현에 맞춰 디자인된 경우가 많지만, 영어나 한국어는 같은 의미를 다른 글자 수와 형태 방식으로 Convey합니다. 그 결과는 단순히 "짧을수록 좋다"가 아니라 말풍선이 제대로 채워지지 않아 연출의 무게감이 떨어지는 문제로 이어집니다.
| 구분 | 내용 |
|---|---|
| 원문 | 本当にありがとうございます……！ |
| 흔한 실수 | "Thank you!" |
| 권장 번역 | "I really… can't thank you enough!" |
"Thank you!"의 문제는 단순히 짧다는 것만이 아닙니다. 원문의 本当に(정말), ございます(공손한 경어체), 그리고 뒤따르는 ……(말줄임표를 통한 여운과 감정)은 모두 깍듯한 예의와 감정적 무게감을 담고 있습니다. AI는 이 모든 것을 하나로 압축해버립니다. 반면 사람 번역가는 텍스트를 적절히 살려 누락된 정중함, 휴지(pause), 감정적 신호를 복원함으로써 캐릭터의 입말을 살리고 말풍선도 자연스럽게 채워 넣습니다.
높이가 긴 세로형 말풍선에서 어떻게 보이는지 나타낸 예시입니다.
원문 레이아웃 AI의 짧은 번역 조정된 번역
(세로형 말풍선) (말풍선 낭비) (말풍선 충실)
Re T I
al h r
ly a e
… n a
th k l
an
k y c
s o a
(h u n
um ! '
ble
-p t
ol
it
e)
… …
! !
말풍선 맞춤 조정의 황금률: 먼저 화용론적 확장(pragmatic expansion)(경어, 감정, 휴지, 호칭의 복원)을 우선시하고, 그다음 타이포그래피 교정(폰트 크기 및 줄간격 조절)을 진행하며, 텍스트를 인위적으로 늘리는 것은 최후의 수단으로 남겨두어야 합니다. 번역과 식자(typesetting)는 독립된 단계가 아닙니다. 최소한 한두 차례 주고받는 피드백과 수정 과정이 반드시 필요합니다.
시나리오 5: 말장난과 아재개그—단어는 맞는데 웃음은 사라진 이유
이 시나리오는 '직역의 정확도'가 가장 위험한 기준이 되는 경우입니다.
자동 언어유희 번역 경진대회인 CLEF/JOKER의 결과는 냉정했습니다. 시스템 출력물이 지나치게 직역에 치우쳐, 약 **60%**의 사례가 대상 언어로 말장난을 재구성하는 데 실패했습니다. 영중 언어유희 번역에 관한 JOSTrans의 연구에서는 핵심 전략으로 다음과 같은 것들을 꼽습니다. 말장난 유지, 분리 후 설명, 이미지 전환, 부차적 정보의 희생, 편집자 개입.
| 구분 | 내용 |
|---|---|
| 원문 | 布団が吹っ飛んだ！ |
| 흔한 실수 | "The futon flew away!" |
| 권장 번역 | "My futon got blown away—get it? Fu-ton? I'll see myself out." |
원문은 布団(후통)과 吹っ飛んだ(후똔다, '날아갔다')의 발음이 거의 비슷하다는 점을 이용해 의도적으로 썰렁한 말장난을 만듭니다. 타깃 언어로 이를 1:1 재현할 수 없더라도 **'의도적으로 썰렁하게 만드는 기능'**은 살릴 수 있습니다. 만약 캐릭터가 무대 위에서 아재개그로 이 말을 건네는 상황이라면, 번역문은 이것이 단순한 사실 전달이 아니라 썰렁한 개그라는 사실을 독자에게 분명히 전달해야 합니다.
말장난 번역의 핵심 철학은 **'형태보다 기능을 우선시하는 것'**입니다. 타깃 언어로 동등하게 썰렁한 말장난을 재구성할 수 있다면 '말장난 대 말장난'으로 맞대응합니다. 그럴 수 없다면 캐릭터성을 살리기 위해 '약한 말장난 + 스스로 썰렁함을 인정하는 멘트' 조합을 고려해볼 수 있습니다. 만약 말장난이 줄거리와 밀접하게 연결되어 수정할 수 없다면 '자연스러운 본문 + 말장난의 원리를 설명하는 간결한 각주'를 활용합니다. 그리고 AI로 번역 후보를 생성할 때는 절대 하나에 만족해서는 안 됩니다. 최소 3개 이상을 생성한 뒤 수동으로 최선의안을 골라야 합니다. 단 한 번의 직역(single-shot)은 거의 예외 없이 실패하기 때문입니다.
AI vs 인간 번역가: 누가 무엇을 맡아야 할까?
여기까지 읽으셨다면 이런 생각이 들 수 있습니다. "그럼 AI 번역을 써야 할까, 아니면 전문 번역가나 스캔레이션(scanlation) 팀을 기다려야 할까?"
답은 둘 중 하나를 선택하는 것이 아닙니다. 핵심은 **'분업'**에 있습니다.
다음은 만화 번역, 문학 번역, 기계 번역에 관한 기존 연구를 바탕으로 작성한 비교표입니다. 단순히 "어느 쪽이 더 낫다/못하다"식의 추상적인 비교가 아니라, 실무 워크플로우에 기반한 현실적인 역할 분담 기준을 제시합니다.
| 문제 유형 | AI가 잘하는 부분 | AI의 한계 | 인간 번역가가 잘하는 부분 | 최선의 역할 분담 |
|---|---|---|---|---|
| 의성어 / 의태어 | 일괄 식별, 빠른 초안 생성 | 휘어진 텍스트의 OCR 인식 누락, 로마자 표기 또는 삭제 처리, 시각적·극적 연출 기능 미이해 | '소리, 상태, 이미지, 리듬'을 종합적으로 파악, 전체 교체 vs 원문+주석 달기 판단 | AI가 탐지 및 초안 작성 담당 + 인간이 시각적 연출 결정 |
| 경어 / 말투 및 어조 | 캐릭터 카드가 주어지면 단순 번역보다 일관성 유지 가능 | 획일화(모든 캐릭터의 말투를 똑같이 만들어 버림) | 장기적인 캐릭터 차별화 유지, 일관성을 지킬 때와 패턴을 깰 때를 구분 | 명확한 스타일 설정하에서만 AI 초안 활용, 정식 출판 시에는 인간의 일관성 편집 필수 |
| 문화적 맥락 요소 | 문화적 요소의 빠른 검색, 다양한 버전의 번역 후보 생성 | 기계적 보존 또는 과도한 현지화로 양극단에 빠짐 | 작품의 타깃층 및 시각적 요소에 맞춰 '유지, 교체, 주석, 위치 변경' 결정 | AI가 후보 생성 및 위험 요소 감지 + 인간이 최종 전략 결정 |
| 말풍선 레이아웃 | 텍스트 영역 자동 감지, 줄 수 예측, 초안 식자(typesetting) 생성 | 단순히 '글자 집어넣기'에 집중하여 여백 발생, 빽빽함, 원화 가림, 읽는 순서 혼선 초래 | 의미 전달, 캐릭터 어조, 시각적 미학의 균형 조율 | AI가 초안 레이아웃 작업 + 인간이 최종 식자 및 미세 조정 |
| 말장난 / 아재개그 | 다양한 아이디어 후보 생성, '말장난 아이디어 풀' 역할 | 직역에 치우치는 경향, 약 60% 사례에서 말장난 재구성 실패 | '웃음'을 살릴지 '정보'를 전달할지 종합적으로 판단 | AI는 아이디어 스케치용으로만 활용 + 최종 출력물은 인간 번역가의 윤문 강력 권장 |
업계에서 새로 부상하는 모범 사례(Best Practice)는 점차 명확해지고 있습니다. 바로 **'AI가 전처리 및 위험 요소를 스크리닝하고, 인간이 최종 결정과 스타일을 제어한다'**는 것입니다. Mantra 같은 플랫폼은 만화 현지화 파이프라인에 AI를 통합하면서도 번역가와 디자이너의 실시간 편집 기능을 명시적으로 제공합니다. 반면 일부 출판사는 전문 번역가를 통해 원어에서 직접 번역하며 AI를 전혀 사용하지 않는다고 공개적으로 밝히기도 합니다. 즉, 업계는 결코 '완전 자동화'로 통합되지 않았으며, 고위험 요소에 대해서는 여전히 인간의 판단을 필요로 합니다.
이는 GDPR과 같은 개인정보 보호 규정이 자동화된 의사결정에 접근하는 방식과도 맥을 같이 합니다. GDPR 제22조에 따르면 개인은 법적 효력이나 이에 준하는 중대한 영향을 미치는 '오직 자동화된 처리'에 기초한 결정의 적용을 받지 않을 권리가 있습니다. 만화 번역이 이 조항에 직접 저촉되지는 않지만, 그 바탕에 깔린 원칙—창의적이고 맥락 의존적인 작업에는 인간의 유의미한 검토가 수반되어야 한다는 점—은 동일하게 적용됩니다. (GDPR Article 22 참조)
지금 바로 테스트해 볼 수 있는 재현 가능한 사례
번역 툴을 평가하든 직접 파이프라인을 구축하든, 오늘 바로 진행해 볼 수 있는 5가지 최소 테스트 케이스를 소개합니다. 실험 방법은 간단합니다. 먼저 "문장 단위, 맥락 없음" 모드로 실행해 보고, 다음으로 "캐릭터 설정 + 장면 맥락"을 포함해 실행한 뒤 두 결과를 비교해 보는 것입니다.
| 케이스 | 핵심 검증 요소 | 원문 | 흔히 발생하는 오류 | 지향해야 할 번역 방향 |
|---|---|---|---|---|
| T1 | 의성어·의태어 | しーん…… | 로마자 표기 / 누락 / 단순히 "조용함"으로 처리 | 공기가 얼어붙는 듯한 팽팽한 정적감 살리기 |
| T2 | 경어 및 말투 (역할어) | 了解っス、先輩！ | 단순 직역으로 인한 어색한 어조 | 후배라는 신분과 특유의 활기찬 어조 살리기 |
| T3 | 문화적 맥락 | 今日って節分だろ？ 豆まきしないの？ | 뻣뻣한 단순 직역 | 세츠분(節分)과 콩 털기 행사라는 문화적 의미를 자연스럽게 전달 |
| T4 | 말풍선 레이아웃 맞춤 | 本当にありがとうございます……！ | 단순한 "감사합니다!"로 축약 | 정중함, 벅찬 감정, 말풍선 여백을 고려한 자연스러운 분량 유지 |
| T5 | 언어유희 / 말장난 | 布団が吹っ飛んだ！ | 단순 직역으로 인한 언어유희 파괴 | 썰렁한 말장난(아재 개그)이라는 의도를 살린 번역 |
각 출력 결과는 네 가지 기준으로 평가해 보세요. 1) 의미가 잘 전달되었는가? 2) 캐릭터 간의 관계가 유지되었는가? 3) 말풍선 크기와 모양에 맞게 잘 조정되었는가? 4) 유머나 작품 특유의 분위기가 살았는가? AI는 앞의 두 가지 항목에서는 제법 훌륭한 성능을 보입니다. 하지만 뒤의 두 가지 항목이야말로 기계 번역과 인간 번역가의 격차가 확연히 드러나는 지점입니다.
솔직한 결론
만화 번역에서 가장 흔히 발생하는 실패는 '단어를 몰라서'가 아닙니다. 언어, 캐릭터, 그림, 말풍선의 형태에 분산되어 있는 수많은 정보가 오직 '텍스트 문장' 안에만 존재한다고 착각하는 데서 비롯됩니다.
뛰어난 번역 툴이라면 이것이 단순한 식당 메뉴판이 아니라 '만화'라는 점을 인지해야 합니다. 즉, 말풍선, 세로쓰기, 효과음, 캐릭터의 말투, 그리고 연출의 읽기 리듬까지 이해해야 하죠. AI Manga Translator가 돋보이는 이유가 바로 여기에 있습니다. 이 툴의 "말풍선 지우기 → 번역 → 인페인팅(그림 복원) → 가독성 및 시선 흐름 보존" 파이프라인은 일반 사용자용 툴 중 가장 깔끔하고 완성도 높은 구현을 보여줍니다. 이는 인간의 판단을 대체하는 것이 아닙니다. 오히려 가장 많은 정보가 모이고 가장 큰 효과를 발휘할 수 있는 단계에 인간의 판단력을 집중시켜 줍니다.
본 아티클은 고위험 만화 번역 시나리오에 관한 체계적 연구 보고서를 바탕으로 작성되었으며, 일본국제교류기금(Japan Foundation)의 의성어·의태어 및 역할어 자료, 상하이공립대학교의 일-중 의성어 번역 연구, 홋카이도대학교 KAKEN 프로젝트의 일-중 만화 번역 연구, ACL/AAAI/WMT 등 학술 대회의 만화 번역 및 평가 논문, CLEF/JOKER의 자동 말장난 번역 과제 등 공개된 자료를 참조했습니다. 모든 결론은 공개된 정보를 바탕으로 한 저자의 독립적인 평가입니다. AI와 창의적 번역의 접점에 관심이 있는 EU/EEA 지역 독자께서는 유럽연합 집행위원회의 AI 법안 개요를 통해 AI 보조 콘텐츠 제작에 관한 규제 현황을 확인하실 수 있습니다.