지난달 카카오페이지 오디오북 심사에서 떨어진 적이 있다. 사유는 단 하나: "AI 음성 티가 너무 남." 그 메일 받고 맥북 덮고 소주 한 잔 마셨다. 3주 동안 퇴근 후 틈틈이 녹음하고 편집한 내 첫 오디오북이었는데, 알고리즘이 10초 만에 잡아내더라.

그날 밤, 오기 생겨서 다시 켰다. 무료 음성 복제 사이트 웹666.cc로 내 목소리 다시 떠서, 이번엔 제대로 해보자고. 결과부터 말하면? 어제 카카오페이지 2차 심사 통과했다. 네이버 오디오클립에도 올렸는데 "목소리 좋네요" 댓글 달렸다. 기계음 80% 잡는 법, 지금부터 다 푼다.

1단계: 샘플 녹음, 대충 하지 마라

대부분 여기서 망한다. "내 목소리니까 대충 읽어도 되겠지" 하고 핸드폰으로 1분 녹음해서 올리면, 나온 건 로봇도 울고 갈 기계음이다. 무료 툴일수록 샘플 품질에 예민하다. 알고리즘이 보정할 여력이 없으니까.

내 방식은 이렇다. 새벽 2시, 아파트 지하 주차장. 차 안에서 녹음한다. 방음 부스? 없다. 차 문 닫고 시동 끄면 그게 내 스튜디오다. 핸드폰 기본 녹음 앱, 입에서 15cm 거리, 뉴스 앵커 톤으로 15분 읽는다. 소설 말고 시사 기사나 위키피디아 글이 좋다. 문장 구조 규칙적이고 감정 기복 없어서, 음색 특징만 깔끔하게 뽑힌다.

중요한 거: 문장 끝 올리지 마라. 한국어 화자들 습관적으로 문장 끝 올려서 읽는데, 이거 모델이 다 학습한다. 나중에 소설 읽을 때마다 "~했어요↗" "~했습니다↗" 이러면 듣는 사람 미쳐버린다. 의식적으로 평탄하게, 살짝 내리꽂듯 읽어라. 녹음 끝나면 무음 구간 싹 자르고 WAV 48kHz로 뽑아라. MP3 압축 아티팩트가 고주파 음색 다 죽인다.

2단계: 웹666에서 클론 뜨기 - 분할 업로드가 핵심

웹666 음성 복제 페이지 들어가서 회원가입 없이 바로 올릴 수 있다. 여기 꿀팁: 15분짜리 한 파일 올리지 마라. 무료 티어 GPU 메모리 한계 때문에 긴 파일은 강제 다운샘플링 당한다. 음색 퍼진다.

5분짜리 3개로 쪼개서 올려라. 각각 따로 특성 추출하고 나중에 앙상블해주는데, 이게 은근히 입체감 살려준다. 생성 대기 5~8분. 커피 한 잔 마시고 오면 된다. 완료되면 바로 테스트 문장 넣어봐라: "안녕하세요, 저는 테스트 음성입니다."

들여다볼 포인트 두 가지:

  • '안' 자 초성 ㅇ 깨끗한가? 콧소리 섞여 나오면 샘플에 침소리/숨소리 많다는 뜻. 다시 녹음해라.
  • '성입니다' 끝부분에 화이트노이즈 깔리는가? 샘플 중 가장 조용한 구간 찾아서 무음 처리하고 다시 올려라.

이거 두 번만 반복하면 90%는 잡힌다.

3단계: 원문 통째로 넣지 마라 - 분할과 태그가 생명

이게 진짜 핵심이다. 소설 원문 복붙해서 텍스트 음성 변환 무료 창에 넣고 돌리면? 재앙이다. 대화문인지 지문인지 구분 못 해서 전부 같은 톤으로 읽는다. 10분만 들어도 잠 온다.

워드에서 지문/대화 분리해라. 지문은 기본 속도, 대화는 감정 태그 달아서. 웹666 입력창은 대괄호 태그 먹는다. 문서엔 안 적혀 있는데, [slow], [whisper], [angry], [sad] 정도 된다. 예시:

`` [지문] 그가 방문을 열고 들어섰다. 방 안에는 먼지만이 쌓여 있었다. [대화][whisper] "누구... 있나?" [지문] 대답은 없었다. 오직 낡은 냉장고 윙윙거리는 소리만. ``

이렇게 태그 박아서 500자씩 끊어서 생성해라. 무료 TTS는 문맥 길어지면 어텐션 풀려서 뒷부분 빨라지고 발음 뭉개진다. 500자 단위로 끊어서 각각 WAV로 받고, 나중에 프리미어/다빈치/오다시티로 이어 붙여라. 구간 사이 0.3초 무음 넣어라. 이게 사람 숨쉬기 타이밍이다.

4단계: '사람 맛' 입히는 믹싱 - 이거 안 하면 심사 떨어진다

클론 음성 최대 약점은 쉬어가는 타이밍이다. 진짜 사람은 쉼표에서 0.5초, 마침표에서 1초 쉰다. AI는 0.2초로 퉁친다. 이 미세한 차이가 귀 예민한 사람한텐 "아, 기계네"로 들린다.

해결책: 더블 트랙 믹싱.

완성된 클론 트랙 위에, 웹666 기본 프리셋 중 '따뜻한 남성'이나 '지적인 여성' 목소리로 같은 대본 한 번 더 돌린다. 이걸 레퍼런스 트랙으로 쓰는 거다. 믹서에서:

  • 클론 트랙: -3dB (70% 볼륨)
  • 레퍼런스 트랙: -20dB (10% 볼륨)

이렇게 깔아두면 클론 목소리에 레퍼런스의 자연스러운 숨소리, 치찰음, 미세한 호흡이 덧입혀진다. 기계음 특유의 '플라스틱 2~4kHz 대역'이 가려진다. 나 이거 모르고 첫 심사 떨어졌다.

마지막으로 배경음. 유튜브 오디오 라이브러리에서 '카페 앰비언스'나 '비 오는 소리' -30dB로 깔아라. 완전 무음 배경이면 AI 아티팩트가 도드라진다. 층위 하나 더해주면 심사 알고리즘도 '사람 녹음'으로 분류하더라. 실전 데이터다.

5단계: 플랫폼별 업로드 팁 (한국 시장 기준)

카카오페이지 오디오북: 48kHz WAV, 16비트, 모노 권장. 커버 이미지 1400x1400px. 챕터별 파일명으로 001_chapter1.wav 형식 지켜라. 심사 3~5일 걸린다.

네이버 오디오클립: MP3 128kbps 이상이면 된다. 시리즈물로 올릴 때 '에피소드 번호' 메타데이터 꼭 채워라. 검색 노출 달라진다.

유튜브 쇼츠/릴스용 AI 더빙 무료로 쓸 거면: 15초~60초 컷으로 쪼개서 자막 박아라. 웹666에서 다국어 음성 합성 무료 지원하니까 영일중 버전도 같이 뽑아두면 숏폼 콘텐츠로 쓸 만하다.

지금 당장 해볼 만한 액션 아이템

오늘 밤 11시, 차 타고 지하 주차장 가라. 핸드폰 녹음 켜고 위키피디아 '한국사' 항목 15분 읽어라. WAV로 뽑아 웹666에 3등분 올리고 자라. 내일 퇴근 후 30분만 투자해서 분할 생성하고 믹싱해봐라. 주말엔 카카오페이지 심사 올리고.

한 달 뒤, 네이버 오디오클릭 '내 서재'에 네 목소리로 된 오디오북이 떠 있을 거다. 그때 가서 "아, 그때 그 블로그 글 보고 했지" 생각날 거다. 무료 TTS로 여기까지 오는 데 돈 0원, 시간 약 8시간. 시작은 오늘 밤부터다.

웹666 메인에서 다른 프리셋 목소리들도 구경해보고, 다이나믹 TTS 페이지에선 실시간 속도/피치 조절도 되니까 참고해라. 궁금한 거 댓글로 남기면 아는 선에서 답해준다.