왜 AI로 만든 오프닝은 자꾸 '가짜'처럼 들릴까? 내 목소리 복제 하기 전엔 몰랐다
작년 겨울이었어요. 게스트가 감기 걸려 목이 완전 갈라진 상태로 녹음을 했는데, 인트로는 제가 따로 녹음해야 했죠. 귀찮아서 그냥 아무 데서 찾은 텍스트 음성 변환 무료 사이트에 '안녕하세요, 오늘은 좀 조용한 이야기를 해보려고 합니다'를 집어넣었어요. 대충 뚝딱 만들어서 업로드했죠.
방송 올린 지 삼십 분 만에 청취자 한 분이 쪽지를 보내더라고요. '主播님 목소리 왜 그래요? 감기 걸리셨어요?' 순간 울어야 할지 웃어야 할지 모르겠더라고요. 청취자들이 얼마나 너그러운지, 전 그냥 아픈 줄 알았다고 하더라고요. 로봇이라고 하지는 않았어요. 그때는 그게 어색한지도 몰랐으니까.
나중에 다른 무료 TTS 사이트를 찾아 '아나운서 톤'을 골라 다시 만들어봤어요. 글자는 맞는데 감정이 zero. 너무 가짜 같아서 제가 들어도 진행률을 당기고 싶더라고요. 그때 깨달았어요. 문제는 도구가 아니라, 제가 실제로 원고를 읽을 때 숨을 어떻게 쉬는지 전혀 신경 쓰지 않았다는 사실을요.
어색한 음성의 허점은 발음이 아니라 '숨'에 있다
사람은 숨을 쉬면서 말해요. 긴 문장을 읽다 보면 중간에 몰래 숨을 고르고, 쉼표 앞에서 턱을 살짝 내리고, 다음 단어가 떠오르면 혀가 반 초 먼저 움직이죠. 기계는 그런 거 없어요. 자로 잰 듯이 일정하게 글자를 뱉어냅니다. 마치 귀에 줄자를 대는 기분이랄까.
예를 들어 '안녕하세요'라는 인사를 할 때도 사람은 끝음을 살짝 아래로 떨어뜨려요. 그런데 기계는 끝음을 위로 띄우거나 평평하게 깔아버리죠. 그 한 끗 차이 때문에 청취자는 무의식적으로 '이건 사람이 아니구나'라고 인식하는 거예요. 현실에 저렇게 말하는 사람은 군대 훈련소 교관님 밖에 없으니까요. 엘리베이터 광고 음성도 아니고.
전환 구간에서 가장 티 나는 건 '일정한 속도감'
팟캐스트 중간에 광고로 넘어갈 때가 특히 심했어요. 한 번은 인터뷰 끝나고 AI 더빙 무료 툴로 '지금부터 스폰서 시간입니다'를 만들어 넣었거든요. 톤도 일정하고 속도도 일정했죠. 옆에서 지나가던 아내가 묻더라고요. '지금 엘리베이터 광고 틀었어?' 네, 그 소리였어요.
전환 구간에서 가장 치명적인 건 바로 이 '기계적인 속도감'이에요. 속도가 일정하면 청취자의 집중력이 그냥 전원이 꺼져요. 제가 뭔가를 하고 있다고 생각했는데, 사실은 청자에게 '지금부터 졸아도 됩니다'라는 사인을 보내는 셈이었죠. 오프닝이 가짜면 신규 청취자가 돌아서면 그만이지만, 전환이 가짜면 기존 청취자에게 '이제 스킵해도 돼'라고 말하는 거나 마찬가지예요.
이것저것 써보고 남은 건 '가입 없이 음성 합성' 되는 사이트뿐
정신 차리고 본격적으로 도구를 찾기 시작했어요. 조건은 단순했죠. 회원가입 귀찮으니 가입 없이 음성 합성 될 것, 워터마크 소리 넣지 말 것, 무료로 끝낼 것. 오五六 개 사이트를 돌려보고 브라우저 북마크에 결국 남은 건 VoxClone이었어요.
여기는 무료 TTS 사이트인데, 로그인 같은 거 없이 열자마자 입력창이 떠 있어요. 영구 무료라고는 하는데, 체험 삼 일 뒤에 결제하라는 그런 시스템도 아니고요. 제가 왜 좋아했냐면, 오프닝 하나 만들겠다고 휴대폰 번호를 달라고 하는 사이트들이 너무 많았거든요. 여기는 손님이지만 호갱 취급은 안 하더라고요.
내 목소리 복제 — AI가 내 습관을 배우는 과정
진짜 이 사이트에 정착하게 된 건 무료 음성 복제 기능 때문이에요. 사실 '복제'라는 단어에 편견이 있었거든요. 영화에서 목소리 바꿔서 사기 치는 그런 거 아닐까 싶었죠. 근데 음성 복제 온라인으로 제 목소리를 한번 올려보니까, 그냥 제가 원고 읽는 샘플을 주면 AI가 제 발음 습관을 배우는 거였어요.
샘플을 올릴 때 일부러 숨 쉬는 소리가 들어간 걸 골랐어요. 네, 숨소리까지 배우게 해야 하니까요. 과정도 간단해요. 복잡한 프로그램 깔 필요 없이 웹에서 다 해결되고요. 내 목소리 복제가 끝나면 마치 평행세계의 제가 더 정확하게 말해주는 느낌이에요.
이게 생각보다 쓸모가 많아요. 목이 완전 나가서 주간 업데이트를 못 할 뻔했을 때, 이 AI 음성 무료 클론으로 전환음성을 대체했거든요. 편집 때 넣었는데 아무도 못 알아챘어요. 제가 아니었으면 몰랐을 거예요.
오프닝에서 가장 공들여야 할 건 딱 세 문장
내 음色 모델이 생기고 나서 오프닝 만들기가 좀 이기적으로 변했어요. '환영합니다' 같은 말도 제가 일상적으로 쓰는 말투로 바꾸고, 스폰서 멘트도 제가 친구랑 수다 떨는 톤으로 넣었죠. 청취자들은 뭐가 다른지 정확히 모르겠는데 '요즘 오프닝이 편안해요'라고 하더라고요.
여기서 팁 하나. 모든 문장을 클론 음성으로 만들 필요는 없어요. '본 방송은 OO의 후원으로 제작되었습니다' 같은 기능적인 문장은 그냥 일반 음성 합성 무료 툴로 흘려보내고, 핵심 문장에만 클론 음성을 쓰는 거예요. 그게 더 자연스럽거든요. 나중에는 오디오북 음성 만들기나 영상 내레이션 AI 작업에도 이 방식을 쓰고 있어요. 특히 다국어 음성 합성 무료 기능은 해외 시청자용 더빙 땜빵할 때 요긴하더라고요.
지금의 작업 흐름: 원고 쓰고 클립 한 번에 붙이기
주변에서 무료 음성 복제 API를 자기 프로그램에 붙일 수 있냐고 물어보는 분도 있는데, 저는 파이썬 설치 파일 찾는 것도 버거운 사람이라 웹 버전으로 충분해요. 혹시 더 알고 싶으면 VoxClone의 활용 팁 모음을 둘러보세요. 공식 문서보다 훨씬 읽기 편합니다.
지금 제 흐름은 거의 의식처럼 굳었어요. 문서에 오프닝 원고를 쓰고, VoxClone을 켭니다. 핵심 문장은 클론 음성으로, 나머지는 일반 음성으로 뽑고, 삼오 번 들어보고 내보내서 편집 프로그램에 붙이면 끝. 이십 분도 안 걸려요. 그리고 더 이상 '기계음도 나름 스타일이다'라고 자기 합리화하지 않아도 됩니다.
사실 기술 이야기를 다 걷어내면 핵심은 한 문장이에요. 청자는 완벽함을 원하는 게 아니라 '사람 같은 느낌'을 원해요. AI를 아나운서로 만들 필요는 없어요. AI를 나 자신으로 만드세요. 숨 쉬고, 멈추고, 문장 끝에서 살짝 힘을 주는 그런 평범한 사람처럼.
오늘 밤 바로 해볼 수 있는 일이 있어요. 내 콘텐츠에서 가장 어색한 십 초를 찾아서, 그 부분을 내 목소리로 다시 만들어보는 거예요. AI가 대신 읽게 해보고요. 한번 들어보면 다시는 예전으로 돌아가기 힘들 거예요.