쇼츠 내레이션 vs 팟캐스트 인트로: 사람 목소리에 배경음 깔기가 왜 이리 다를까
지난주 화요일, 새벽 두 시에 헤드폰 벗고 욕 나옴
구체적으로 말하면 이렇다. 화요일 밤 11시, 캠핑 용품 리뷰하는 채널 쇼츠 45초짜리 하나 따고 있었다. 내레이션 녹음 끝내고 BGM 깔고 익스포트. 다음 날 아침 지하철 2호선에서 에어팟 끼고 재생했는데 — 목소리가 이불 속에 들어간 것마냥 먹먹해서 폰을 던지고 싶었다.
같은 날 오후, 내 팟캐스트 37화 인트로 녹음. 똑같은 장비, 똑같은 마이크, 똑같은 배경음. 근데 결과는 정반대. 목소리가 귀 바로 옆에서 소리치는 것처럼 날카롭고, 음악은 저 멀리서 둥둥 떠다니고. 억지로 합성한 합성사진 마냥 어색해.
둘 다 '목소리 + 배경음'인데 왜 하나는 먹먹하고 하나는 귀 아프지? 나중에 깨닫긴 했는데, 애초에 하는 일 자체가 다르다.
쇼츠 내레이션: 목소리가 음악 위에 달라붙어야 함
쇼츠 내레이션의 본질은 '정보의 흐름 속에서 훅 걸기'다. 시청자 엄지손가락은 이미 위로 올라가고 있다. 3초. 딱 3초 준다. 그래서 목소리는 앞으로, 선명하게, 입자가 살아있게. 음악은 밑에 깔리는 카펫이지 벽이 아니다.
어려운 건 재생 환경이 최악이란 거다. 지하철 소음, 폰 스피커 외장 재생, 이어폰 음질, 작은 폰 스피커... 이 모든 조건에서 글자가 들려야 해. 그러니까 목소리 2k~5k 대역을 살짝 띄워주고, 음악 중저음은 길을 터줘야 한다.
내 방식은 이렇다. 음악부터 -12~-15dB 내리고, 사이드체인 컴프레션 걸어서 목소리 나오면 음악이 자동으로 3~4dB 숨어들게. 목소리 끝나면 다시 올라오고. 폼 나는 것 같지만 그냥 음악이 '눈치껏' 빠지라는 거지.
함정 하나 더 — 플랫폼이 업로드하면서 음압을 다시 압축해버린다. 내 모니터 스피커에선 적당하던 저음이 업로드하면 뭉개져서 진흙 된다. 그래서 요즘은 100Hz 아래는 그냥 싹 잘라낸다. 얇게 들리더라도 뭉개지는 것보단 낫다. 내레이션 직접 녹음하기 귀찮으면 무료 음성 복제 써서 안정적인 드라이 보이스 뽑아두면 재녹음 지옥에서 벗어난다. 이건 뒤에서 자세히.
팟캐스트 인트로: 목소리가 음악 속에서 자라나야 함
팟캐스트 인트로는 완전히 다른 논리다.
훅이 아니다. 의식이다. 청취자가 재생 버튼 누르고 들어오는 건 분위기 속으로 들어가고 싶어서다. 그래서 음악이 보통 5~8초 혼자 흐르다가, 거기서 목소리가 '자라나듯' 튀어나온다. 얹는 게 아니라, 피어나는 거야.
여긴 '이음새'가 관건. 목소리 들어오는 순간 음악이 내려가야 하는데, 그게 튀면 안 된다. 누가 볼륨 놉 확 돌린 것 같으면 끝장. 그래서 난 목소리 들어오기 0.5초 전부터 음악을 2~3dB 서서히 내리고, 리버브 꼬리 살짝 붙여서 연결한다. 귀로는 그냥 '자연스럽네' 하고 넘어가게.
또 하나. 팟캐스트 청취자는 헤드폰/이어폰 비율이 압도적이다. 이어폰에선 티도 안 나던 치찰음, 침 소리, 방 울림이 다 들린다. 쇼츠에선 안 보이던 게 팟캐스트에선 다 터진다. 그래서 팟캐스트 목소리 처리는 오히려 '날것'에 가깝다. 컴프레션 약하게, EQ 살짝, 리버브는 티 안 나게 조금. 원하는 건 '내 맞은편에 앉아 말하는 사람'이지 '방송국 아나운서'가 아니니까.
내가 쓰는 '촌스러운 3단계' — 이거면 둘 다 된다
말만 길었지, 실제 작업은 딱 세 단계다.
- 목소리만 먼저 듣고 모든 문제 해결 — 노이즈, 치찰음, 볼륨 튀는 거, 이 단계에서 다 잡는다. 믹싱 가서 살리려 들지 마라.
- 음악만 듣고 역할 정하기 — 카펫인가 무대인가. 이게 베이스 라인 볼륨을 정한다.
- 합쳐서 사이드체인이든 볼륨 엔벨로프든, 말할 때 음악 입 다물게 하기.
이게 다야. 근데 진짜로, 믹싱 망한 열에 아홉은 1단계 건너뛴 경우다.
툴 이야기, 좀 현실적으로
예전엔 클라이언트 성우 녹음 맡기면: 대본 쓰고, 성우 섭외하고, 이틀 기다리고, 바닥 노이즈 낀 드라이 보이스 받고, 내가 수정하고... 지금? 대충 온라인 텍스트 음성 변환 켜서 대본 넣고 엔터. 글자 하나 고치고 다시 뽑아도 10초.
VoxClone 이 사이트 몇 달 써봤는데, 내 입맛엔 몇 가지가 딱 맞더라. 회원가입 없이 바로 쓸 수 있음 — 열자마자 된다. 무료 음성 복제인데 레퍼런스 오디오 30초 정도 올리면 비슷한 톤으로 나와줘. 시리즈 콘텐츠 할 때 톤 유지되는 게 쇼츠 채널에선 생명이다. 시청자는 목소리로 채널을 기억하거든.
'앞 3번 무료 그 뒤엔 유료' 같은 꼼수 없고, 무료 TTS, 무료 텍스트 음성 변환 기본 기능이 메인 페이지에서 바로 된다. AI 음성 복제 온라인으로 돌리니 목소리 복제 소프트웨어 무료 버전 깔고 광고 보고 할 필요도 없고. 팟캐스트 인트로처럼 매 회 톤 고정돼야 하는 곳에 실사 같은 AI 더빙 무료로 쓸 수 있다는 게 꽤 크다 — 인트로 목소리 매번 다르면 브랜딩 망하잖아.
참, 온라인 무료 음성 복제랑 무료 AI 더빙이 사실 같은 파이프라인이다. 같은 레퍼런스로 쇼츠 대본도 읽히고 팟캐스트 인트로도 읽히는데, 후처리 루트만 다를 뿐. 배치로 돌릴 일 있으면 무료 음성 합성 API, 무제한 텍스트 음성 변환도 있던데 난 안 써봤고 개발자용인 듯. 가입 없이 음성 합성, 가입 없이 온라인 음성 복제 이 두 가지, 그냥 한번 써보려는 사람한텐 진입장벽 제로다. 더 많은 활용법은 추가 가이드 쪽에 있다.
실전 케이스: 친구 베이킹 채널 60초 인트로
지난주 친구가 베이킹 채널 시작했다고 60초 인트로 하나 부탁하더라.
대본은 본인이 썼는데 소박하다. 자기 소개, 이 채널에서 뭐 할 건지, 마지막에 "구독하고 같이 빵 태우자" 한 마디.
내가 한 건 딱 세 가지. 내 목소리 복제로 내레이션 뽑기(본인 얼굴은 안 나와도 목소리는 괜찮다길래 카톡 보이스 30초 올려서 레퍼런스 삼음), 90 BPM 잔잔한 피아노 트랙 골라 저음 자르고 -14dB로 내리기, 문장 사이사이마다 음악을 2dB씩 수동으로 살짝 올려주기.
익스포트 → 폰 스피커로 듣기 → 이어폰으로 듣기 → 지하철에서 듣기.
다음 날 올렸는데 댓글 첫 번째가: "목소리 되게 편안하네, 본인 목소리야?"
— 봐라. 믹싱 잘해도 아무도 칭찬 안 한다. 근데 망하면 전원이 욕한다.
자, 그럼 당신 차례다. 똑같은 60초 오디오, 당신은 목소리에 시간을 더 쓸래, 음악에 더 쓸래?