무료 음성 복제로 회사 IVR 바꿔보려다 두 번 실패하고 깨달은 것들
지난주에 팀장이 갑자기 그러더라고요. "콜센터 안내 멘트를 좀 더 자연스럽게 바꿔봐. 로봇 같은 느낌 말고, 진짜 사람이 말하는 것처럼." 저는 속으로 '에이, 쉽지' 하면서 인터넷에서 무료 음성 복제 툴을 찾아봤어요. 내 목소리 몇 초 녹음해서 올리면 AI가 학습해서 멋진 목소리 만들어주겠지, 하고요.
결과는 처참했죠. 첫날부터 제대로 한 방 먹었습니다.
첫 번째 시도: AI가 마법을 부릴 줄 알았는데, 귀신 소리가 나왔어요
무료 음성 복제 온라인 사이트 들어가보니, 회원가입 없이 바로 오디오 업로드가 가능하더라고요. 그래서 평소에 고객이랑 통화한 녹음 파일 중에서 20초짜리 하나 골랐어요. 말에 사투리 섞여 있고, '어', '그게' 같은 군말도 많았죠. 그게 더 리얼할 거라고 생각했거든요.
복제 끝나고 IVR 첫 문장을 입력했어요: "안녕하세요, XX고객센터입니다. 상담사 연결은 1번, 업무 조회는 2번을 눌러주세요."
재생 버튼 누르는 순간... 아, 이게 뭐라고. 마치 감기 걸리고 목이 잠긴 사람이 억지로 말하는 것 같은 소리. 글자 하나하나를 질질 끌고, 뒤에 전자음까지 섞여 있더라고요. 소름 끼쳐서 바로 껐어요.
나중에 알게 됐는데, 그 20초 녹음에 잡음이랑 숨소리가 너무 많았던 거예요. AI가 '내 목소리'와 '잡음'을 구분 못 하고 전부 학습해버린 거죠. 그래서 결과물이 그 모양이었던 거고.
두 번째 시도: 조용히 하자고 생각했는데, 이번엔 '영구 무료'라는 말에 속을 뻔했어요
두 번째는 방 구석에서 스마트폰으로 5초짜리만 녹음했어요. "안녕하세요, 고객센터입니다." 이번엔 확실히 깨끗하더라고요. 그런데 이제 문제는 텍스트 음성 변환 무료 합성 결과가 제 원래 목소리랑 꽤 다르다는 거였어요. 특히 억양이 뉴스 앵커처럼 밋밋했어요.
'이거 무료 음성 복제 툴이 진짜 되는 건가?' 의심이 들기 시작했죠. 그래도 어차피 영구 무료라고 하니, 여러 번 시도해보기로 했어요.
그래서 어떻게 해야 제대로 녹음할 수 있을까? 제가 겪은 실패를 전부 풀어볼게요
녹음 소스: 길다고 좋은 게 아니에요, 깨끗해야 해요
제가 내린 결론은 이겁니다. 음성 복제용 소스는 5~10초면 충분하고, 핵심은 '깨끗함'이에요. 방음이 되는 곳, 반향 없고, 배경음악 없고, 다른 사람 말소리 없어야 해요.
두 번째 실패 원인이 바로 그거였어요. 폰을 책상에 놓고 입에서 50cm 떨어진 채 녹음했더니 키보드 타건 소리가 들어간 거예요. 그 후로는 폰을 거치대에 세우고, 입에서 10cm 정도 거리로, 카카오톡 보이스메모로 녹음했더니 훨씬 나아졌어요.
텍스트: 긴 문장은 금지, 짧은 문장이 살아있어요
IVR 음성은 평소 대화랑 달라요. 듣는 사람이 한 번에 이해해야 하죠. 그래서 "업무 처리를 원하시면 3번, 긴급 상황이시면 9번을 눌러주세요" 같은 긴 문장보다는 이렇게 나누는 게 좋아요: "업무 처리는 3번. 긴급 상황은 9번."
이렇게 하면 AI 합성할 때 자연스럽게 끊어지고, 사람 말투처럼 들려요.
놓치기 쉬운 디테일: 속도와 감정은 직접 조절해야 해요
많은 분들이 음성 복제하면 끝난 줄 알아요. 아니에요. 제가 세 번째 시도할 때 발견했는데, 온라인 텍스트 음성 변환 인터페이스에 '속도'와 '음높이' 슬라이더가 있더라고요. 기본값은 0인데, 처음엔 그냥 넘겼어요. 그랬더니 합성된 음성이 기차처럼 빠르게 말하고, 글자 사이에 쉼이 거의 없었어요.
나중에 속도를 -2로 낮추고, 음높이를 약간 내렸더니 제 평소 말하는 리듬과 비슷해졌어요. 그리고 '부드럽고 친절한' 느낌을 원한다면, AI가 알아서 감정을 넣어주길 기대하지 마세요. 텍스트에 '음', '네에' 같은 감탄사를 넣거나, 쉼표나 마침표로 끊어주면 돼요. 저는 '안녕하세요' 뒤에 쉼표를 넣어봤는데, 합성 결과에 숨 쉬는 듯한 느낌이 생기더라고요. 그냥 '안녕하세요'보다 훨씬 낫죠.
편집과 조합: 귀찮아도 문장 단위로 나눠서 작업하세요
제가 최종적으로 성공한 방법은 사실 좀 원시적이에요. IVR 대본 전체를 7~8개의 짧은 문장으로 쪼갠 다음, 각 문장을 무료 음성 복제 AI로 따로 합성하고, 파일로 내보낸 후에 동영상 편집 앱에서 이어붙였어요.
왜 이렇게 했냐면, 한 번에 긴 문장을 합성하면 문장과 문장 사이에 이상한 늘어짐이 생기거나, 특정 글자의 강세가 잘못될 때가 많거든요. 따로 합성하면 각 문장이 독립적이라 멈춤과 억양을 더 잘 제어할 수 있어요. 이어붙일 때는 문장 사이에 0.3초 정도 무음을 넣어주면, 사람이 숨 쉬는 것처럼 들려요.
저는 무료 음성 복제로 텍스트 읽기 기능으로 전체 문단을 한 번에 읽게도 해봤는데, 조합한 것보다 못하더라고요. 시간이 허락한다면, 게으름 피우지 말고 문장 단위로 나눠서 작업하세요. 확실히 결과물이 달라요.
그래서 결국 어떻게 해결했냐면요?
세 번째 시도에서는 8초짜리 오디오를 다시 녹음했어요. 내용은 단 한 문장: "안녕하세요, 고객센터입니다." 그걸로 음성 복제를 한 다음, IVR 대본 전체를 문장 단위로 나눠서 각각 텍스트 음성 변환 무료로 합성하고, 마지막에 편집 앱으로 이어붙였죠.
결과물? 아직 약간 전자음이 섞여 있긴 한데, 적어도 '사람 같다'는 느낌은 들었어요. 완성본을 동료들에게 들려줬더니, 한 여직원이 "이 목소리, 우리 오빠랑 비슷한데?" 하더라고요. 그 말에 저는 괜히 뿌듯했어요.
'무료'의 함정에 대해 한마디 하자면
시중에 무료 음성 복제 AI 도구가 많지만, 대부분 사용 횟수 제한이 있거나 워터마크가 붙어요. VoxClone이라는 평생 무료 음성 복제 플랫폼은 솔직해서 좋았어요. 회원가입 없이도 사용 가능하고, 다만 생성 속도가 조금 느려서 대기 시간이 2분 정도 걸리더라고요.
하지만 가끔 IVR 하나 만들려는 작은 회사라면 충분해요. 수백만 원 내고 성우 회사에 맡길 필요도 없고, 복잡한 오디오 편집 프로그램 배울 필요도 없어요. 약간의 인내심만 있다면, 혼자서 충분히 해낼 수 있어요.
누군가 물어보더라고요: 이 목소리로 노래도 불러?
저도 무료 음성 복제로 노래 만들어보는 기능을 시도해봤는데, 결과물이... 마치 음치인 룸메이트가 화장실에서 목청껏 부르는 것 같았어요. 고객센터 안내 멘트로는 괜찮지만, 아이유 노래를 커버하고 싶다면 그냥 포기하는 게 나아요.
더 편한 방법: 먼저 '기본 음성'을 만든 다음, 그걸로 복제하기
깨끗한 녹음이 정말 어렵다면, 꼼수가 하나 있어요. 먼저 무료 음성 복제로 텍스트 읽기 기능에서 시스템 기본 음색을 하나 선택해서, 원하는 문장을 깨끗한 기본 음성으로 생성해요. 그다음 그 기본 음성을 소스로 사용해서 다시 음성 복제를 하는 거예요.
말로 들으면 좀 복잡한데, 실제로 해보면 스마트폰으로 직접 녹음한 것보다 결과가 좋아요. 왜냐하면 시스템이 생성한 기본 음성에는 환경 소음이 없어서, AI가 더 쉽게 목소리 특성을 잡아내거든요. 물론 기본 음성에 묻어있는 약간의 전자음은 감수해야 해요. 그래도 키보드 타건 소리보다는 낫잖아요?
FAQ
질문: 왜 복제한 목소리에 잡음이 섞여 나와요?
대부분 녹음 소스가 더럽기 때문이에요. 녹음 환경을 확인하세요. 에어컨 끄고, 컴퓨터 팬이 마이크를 직접 향하지 않게 하고, 스마트폰으로 녹음할 때는 이어폰 마이크를 사용하는 게 좋아요. 그래도 잡음이 남으면, 무료 음성 복제로 텍스트 읽기 기능으로 깨끗한 기본 음성을 먼저 만든 다음, 그걸 소스로 사용해보세요.
질문: 무료 음성 복제하려면 회원가입이 필요한가요?
아니요. 이 무료 음성 복제 플랫폼은 회원가입 없이 웹에서 바로 사용 가능해요. 다만 여러 개의 음성 모델을 저장하고 싶다면, 가입을 추천해요. 다음에 다시 녹음할 필요 없이 저장된 모델을 바로 사용할 수 있으니까요.
마지막으로, 여러분에게 질문 하나
팀장이 새 IVR 음성 듣고 처음 한 말이 뭔지 맞춰보세요. "이 목소리, 왠지 내 전 여자친구랑 비슷한데?"
여러분은 이 무료 음성 복제로 뭘 만들어볼 생각이에요?