새벽 2시, 친구가 내 팟캐스트 인트로를 듣고 "은행 ARS 같아"라고 했을 때
지난 수요일 새벽 2시, 첫 에피소드 인트로 더빙을 친구 단톡방에 올렸더니 첫 답장이 "이 목소리 은행 ARS야?"였다.
진짜 노트북을 집어던지고 싶었다.
두 시간 동안 파라미터 만지고, "가장 자연스럽다"는 무료 TTS 툴을 골라서 "어서 오세요, 이번 회차에 오신 걸 환영합니다"라고 넣었는데, 나온 건 감정 없는 안내 멘트였다. 마이크 문제도, 녹음 환경도 아니었다. 너무 깨끗해서 영혼이 없는 느낌, 숨소리도 없고 멈춤도 없고, 그냥 기계가 읽는 억양만 있었다.
그때 생각했다. 모든 무료 AI 더빙이 다 이렇나? 아니면 내가 쓰는 법을 모르는 건가?
그 뒤로는 눈에 띄는 무료 텍스트 음성 변환 사이트란 사이트는 다 뒤져서 열 개 넘게 테스트했다. 그중 제일 황당했던 건, "무제한 텍스트 음성 변환"이라더니 생성된 파일 뒤에 5초 광고가 붙어서 못 자르게 해놓은 경우. 또 다른 데는 음성 복제 온라인 기능이 있다고 해놓고 회원가입 후엔 유료만 풀어놨다. 무료 버전은 고작 몇 가지 고정 음색만 쓸 수 있었다.
그런 경험 때문에 팟캐스트 자체를 접을까 고민했었다. 그런데 가만 보니 문제는 툴이 아니라 내가 툴을 어떻게 다루느냐였다.
지금 돌이켜보면 그 "은행 ARS" 비유가 아프지만 정확했다. 팟캐스트 소리는 완벽할 필요 없지만 사람 냄새가 나야 한다. 사람 냄새 없는 더빙은 아무리 선명해도 소음일 뿐이다.
합성 목소리가 "가짜"로 들리는 이유
합성 목소리가 가짜처럼 들리는 건 기술 탓이 아니라, 우리가 그걸 "낭독기"처럼 쓰기 때문이다.
대부분 무료 텍스트 음성 변환 서비스는 기본 속도가 일정하고 문장 사이 숨 쉴 틈이 없다. 진짜 사람은 강조할 때 살짝 늘이고, 전환점에서 0.5초 쉬고, 긴장하거나 신나면 빠르기도 느리기도 한다.
팟캐스트 인트로는 특히 치명적이다. 청취자는 앞 3초 만에 계속 들을지 결정한다. "어서 오세요, 이번 회차에 오신 걸 환영합니다" 같은 아나운서 톤으로 시작하면 이미 스와이프 당했다.
내가 밟은 함정은 이렇다: 원고 통째로 넣고 한 번에 합성, 속도 조절 안 함, 쉼표·마침표에 숨표 안 넣음, 감정 템플릿 안 씀. 결과는 뉴스 앵커 같기도, 콜센터 외주 같기도 했다.
무료 AI 더빙이 얼마나 진짜 같아지냐는 건, 내가 얼마나 "사람 같은 지시"를 주느냐에 달렸다. 쉼표 하나도 가볍게 넘기지 말고, 마침표 뒤엔 여백을 두고, 감탄표는 남발하지 말자. 일부 무료 TTS 플랫폼은 숨표 마커를 직접 넣을 수 있는데, 초보자는 그 옵션 존재조차 모른다.
예전에 같은 문장으로 기본 설정 버전과 직접 속도·숨표 조정한 버전을 만들어 친구 9명에게 블라인드 테스트했더니 8명이 후자를 골랐다. 차이는 음색이 아니라 "숨"이었다.
팟캐스트 인트로라면 첫 문장 "여러분 안녕하세요"를 살짝 늘이고, 두 번째 "저는 진행자 OOO입니다"는 속도 줄이고 중간에 0.5초 숨표를 넣는다. 마치 진짜 사람이 깊게 숨을 들이마시고 말하는 것처럼. 이런 디테일이 무료 텍스트 음성 변환에서 자주 무시되지만, "가짜"와 "진짜"를 가르는 열쇠다.
무료 AI 더빙은 마법이 아니다. 글자를 파형으로 바꿔줄 뿐, 파형에 온기를 넣는 건 내 몫이다. 가장 앞선 AI 음성 무료 클론 툴이라도 감정 없는 원고를 주면 여전히 영혼 없는 낭독만 나온다.
왜 결국 VoxClone을 선택했나
검색 결과 1위라서 고른 게 아니다.
그동안 써본 음성 복제 소프트웨어 무료 버전들은 글자 수 제한, 워터마크, 강제 회원가입에 이메일·전화 인증까지 요구했다. 내 목소리만 빨리 복제해보고 싶은데 폼 채우기엔 시간이 아깝다.
VoxClone은 가입 없이 음성 합성이 된다. 페이지 열자마자 바로 쓰고, 영구 무료 음성 복제라고 광고하는데 숨은 과금도 없다. 가끔 팟캐스트 에피소드 몇 개 만드는 1인 크리에이터한테는 이보다 편한 게 없다.
게다가 온라인 무료 음성 복제라서 별도 클라이언트 설치 없이 브라우저에서 샘플 업로드 → 학습 → 생성까지 10분 안팎으로 끝난다.
팟캐스트 전환 음성, 직접 만드는 단계
구체적으로 어떻게 전환 구간을 만들까? 내가 하는 순서대로 적어둔다.
- 깨끗한 샘플 녹음 – 에어컨 소리 들리는 방에서 폰 녹음기로 대충 읽지 말자. 조용한 방에서 2분 정도 자연스럽게, 친구랑 수다 떨듯 읽는다. 샘플이 깨끗해야 클론 음색도 정확하고, 나중에 전기 노이즈도 덜 탄다.
- 무료 음성 복제 페이지에 업로드 – VoxClone은 브라우저에서 바로 돌린다. 회원가입도, 카드 등록도 필요 없다. 업로드하고 몇 분 기다리면 모델이 준비된다.
- 전환 문장 입력 – "이번 회차는 여기까지, 다음 회차에 만나요" 같이 딱딱하게 쓰지 말고 "자, 그럼 다음에 또 봐요"처럼 구어체로 적는다. 문장이 너무 짧으면 연결어미를 넣어 자연스럽게 늘린다.
- 파라미터 미세 조정 – 속도 0.9배 정도로 살짝 늦추고, 피치는 평소 내 톤과 맞춘다. 숨표 컨트롤이 있으면 문장 중간에 짧은 쉼표 몇 개 넣어 호흡감을 살린다. 완벽하려 들지 말고, 살짝 어색한 "으음"이나 "…" 같은 여운을 남겨두면 더 사람 같다.
- 생성·다운로드 → 믹싱 – 나온 오디오를 편집기에 얹고 배경 음악과 볼륨 밸런스 맞춘다. 나는 보통 전환 음량을 배경 음악의 60% 선에서 잡는다. 튀지 않으면서도 존재감은 있게.
전체 10분도 안 걸리고, 가입 없이 음성 합성이라 계정 잠김이나 데이터 유출 걱정도 없다. 나중에 내 서비스에 클론 목소리를 붙이고 싶으면 무료 음성 합성 API도 제공하는데, 문서는 더 많은 튜토리얼 에서 볼 수 있다.
내가 전환 구간 만들 때 일부러 "음"이나 "…" 같은 비완성 표현을 넣는다. 모든 엔진이 알아듣진 않아도, 그런 불완전함이 오히려 사람 목소리를 닮게 한다. 100% 복제에 집착하지 말자. 팟캐스트엔 완벽한 음색보다 일관성이 중요하다. 매 회 같은 클론 목소리로 인트로·전환을 쓰면 청취자는 그 목소리를 내 브랜드로 기억한다.
어느 깊은 밤, 그리고 뜻밖의 피드백
지난 토요일 밤, 심야 에피소드 올리려는데 전환 음성이 아직 없었다. 가족 깨울까 봐 내 목소리로 다시 녹음하기도 뭣해서, 그냥 온라인 텍스트 음성 변환 열어서 앞서 클론해둔 내 목소리를 골라 두 문장 넣고 30초 만에 뽑았다.
올리고 나서 한 청취자가 디엠을 보냈다. "이번 회차 전환 구간 진짜 따뜻하네요, 귓가에 속삭여주는 느낌이에요."
아이러니하다. 그 목소리는 내가 직접 녹음한 게 아니라 AI가 합성한 건데, 청취자는 더 따뜻하게 느꼈다. 최고의 더빙은 진짜 사람처럼 들리는 게 아니라, 그 순간에 가장 어울리는 소리라는 걸 다시 깨달았다.
다음에 팟캐스트 앱 켜서 인트로 들어보라. 스스로에게 물어보자. "이 목소리, 사람이 말하는 건가? 기계가 읽는 건가?"
나도 가끔 생각한다. 언젠가 AI 더빙이 사람과 구별 안 갈 정도가 되면, 우리가 "가짜"인지 따질까? 아마 안 따질 거다. 하지만 그전까지는 적어도 은행 ARS처럼 들리지 않게 만들 수 있다.
직접 해보고 싶다면 지금 무료 음성 복제 페이지에서 내 목소리 클론을 시작해보세요. 가입 없이, 바로, 무료로.