주방에서 대충 녹음한 목소리로 복제했다가 상품 영상 37개를 통째로 날린 이야기
지난해 11월 초, 편집 타임라인 위에 상품 영상 37개가 나란히 얹혀 있는데 하나도 업로드를 못 하고 있었습니다.
더빙이 전부 망가졌거든요.
원인이 진짜 부끄러운 수준이에요. 성우 섭외가 귀찮아서 “요즘 AI 좋다는데, 내 목소리 복제하면 되겠지” 하고 생각한 겁니다. 그래서 어느 저녁, 주방에 서서 휴대폰을 조리대에 세워두고 상품 문구를 3분 남짓 읽었어요. 등 뒤에서는 후드가 웅— 하고 깔리고, 수도꼭지에서는 물방울이 뚝뚝, 어디선가 드릴 소리가 슬쩍슬쩍 끼어들었고요.
녹음 끝나고 꽤 뿌듯했습니다. 업로드하고 2분쯤 기다렸더니 나온 목소리가… 뭐랄까, 철판 한 겹 너머에서 원고를 읽는 느낌? 끝음은 눌리고, 숨 쉬는 자리는 전부 어긋나고, “한정 특가” 네 글자에서는 정체불명의 웅웅거림이 깔려 있었어요.
첫 번째 영상에 얹고 10초 듣고 껐습니다.
대체 뭘 잘못한 걸까
음성 복제 원리는 사실 단순해요. 도구가 내 녹음에서 ‘음색 특징’을 뽑아내는 겁니다. 그런데 그 특징이 어디 숨어 있냐면, 깨끗한 목소리 안에 숨어 있어요.
잡음 범벅을 넣으면 도구가 알아서 잡음만 골라내주지 않습니다. 오히려 잡음까지 ‘내 목소리의 일부’로 학습해버려요. 그래서 이후에 만들어지는 모든 오디오에 그 후드 소리가 따라붙는 거죠.
두 번째 실수는 샘플이 너무 짧았다는 것. 3분 12초, 중간에 기침 두 번에 웃음 섞인 구간까지 있었습니다. 재료가 부족하니 모델이 추측을 해요. 그 추측의 결과가 바로 그 묘한 느낌입니다 — 비슷한데, 내 목소리라고 인정하기는 싫은.
세 번째는 더 어이없어요. 시청은 안 하고 37개를 한 번에 뽑았습니다.
앞의 둘은 기술 문제고, 마지막은 태도 문제예요. 아무리 좋은 무료 음성 복제 도구라도, 안 들어보는 사람은 못 살립니다.
복기해보면 무너진 지점은 네 군데
- 녹음 환경: 주방, 후드 켜짐, 창밖 공사 소리
- 녹음 장비: 휴대폰 내장 마이크, 입에서 30cm, 그것도 손으로 들고
- 샘플 길이: 3분 12초, 기침과 웃음 포함
- 시청 단계: 생략, 바로 일괄 생성
보시다시피 ‘도구가 별로였다’에 해당하는 항목은 하나도 없습니다. 전부 제 문제였어요.
다시 하면서 바꾼 것들
가장 먼저 한 건 장소 교체였습니다. 옷장에 들어가서 문을 닫고, 등 뒤에 패딩 두 벌을 세워두고, 휴대폰은 비행기 모드로 돌리고, 입에서 주먹 하나 거리. 8분 동안 읽었어요. 속도는 평평하게, 감정은 빼고, “용량 500밀리리터, 내부 316 스테인리스, 보온 12시간” 같은 가장 밋밋한 상품 설명만.
두 번째는 작업 순서였습니다. 이번엔 전체를 한 번에 뽑지 않고, 컷 단위로 대본을 5~8초씩 잘라서 한 조각씩 만들었어요. 왜냐면 통으로 뽑으면 강세 하나만 어긋나도 전부 다시 뽑아야 하거든요. 잘라두면 그 조각만 갈아끼우면 됩니다. 효율 차이가 몇 배예요.
샘플이 깨끗해지니까 결과가 바로 달라졌습니다. 무료 음성 복제로 뽑은 목소리는 끝음이 깔끔하게 정리되고, “구매가” 세 글자에서 더 이상 눌리지 않았어요. 잠깐 멍해졌습니다. 아, 이게 나구나.
참고로 이 반년 동안 음성 복제 소프트웨어 무료 버전을 꽤 여러 개 써봤는데, 어떤 건 글자 수 제한이 있고, 어떤 건 대기열이 있고, 어떤 건 세 번 뽑으면 업그레이드 팝업이 뜹니다. VoxClone은 텍스트 음성 변환 무제한이라, 적어도 저는 사용량 경고를 본 적이 없어요. 가입 없이 음성 합성이 되는 것도 편합니다 — 20초짜리 오디오 하나 만들려고 계정 만들고 이메일 넣고 인증번호 받는 과정이 없으니까요. 열면 바로 쓰는 이 가입 없이 음성 합성 경험이, 로그인부터 요구하는 도구들보다 훨씬 낫습니다.
지금은 거의 무료 AI 더빙 도구처럼 쓰고 있어요. 대본 쓰고 붙여넣으면 몇 초 만에 오디오가 나오고, 마음에 안 들면 두 글자 고쳐서 다시 뽑습니다.
요즘은 영상 내레이션 AI 용도로만 쓰지 않습니다. 지인 하나는 오디오북 음성 만들기 쪽에 쓰고 있고, 저도 다국어 음성 합성 무료 기능으로 같은 대본의 영어·일본어 버전을 뽑아봤어요. 억양이 살짝 어색한 구간은 있어도 수출용 상세페이지 영상에는 충분히 쓸 만했습니다.
가끔 이런 질문을 받아요. 음성 복제 온라인으로 만든 게 사람 녹음이랑 얼마나 다르냐고. 솔직히 상품 스펙 읽는 작업은 차이가 크지 않습니다. 그런데 그 특유의 흥을 실은 호객 멘트가 필요하면 직접 톤을 조정하거나 사람을 써야 해요. 음성 합성 무료라는 건 결국 ‘사람’ 비용을 아껴주는 것이지, ‘판단’ 비용까지 없애주지는 않습니다. 어디서 쉬고, 어느 단어에 힘을 줄지는 결국 본인이 봐야 해요.
‘무료’라는 말에 대해서
처음엔 급한 불 끄려고 텍스트 음성 변환 무료 도구를 찾던 거였고, 사실 의심도 했습니다. 영구 무료 음성 복제라니, 두 번 쓰면 과금되는 훅 아니야? 싶었죠.
반년 넘게 써본 결과, 적어도 지금까지 VoxClone은 가입 없이 열면 바로 쓸 수 있고, 온라인 텍스트 음성 변환도 마찬가지로 로그인도, 휴대폰 번호도 요구하지 않습니다. 무료 TTS 음성 합성이 이 정도까지 되니까 솔직히 예상 밖이었어요. 무료 음성 합성 API도 연결해서 상품 짧은 문구 시청용 버전을 대량으로 돌리고 있는데, 충분합니다.
그렇다고 무료가 만능은 아니에요. 대본을 써주지도 않고, 어디서 쉬어야 하는지 알려주지도 않고, 화면 호흡을 봐주지도 않습니다. 도구는 글자를 사람 말처럼 바꾸는 일까지만 해요. 나머지는 내 몫입니다.
가끔 상품 영상에 목소리만 얹으면 되는 분들은 온라인 텍스트 음성 변환 무료 도구로 충분하고, 저처럼 주에 수십 개를 돌리는 사람은 컷 분할과 파일명 규칙까지 정해야 합니다. 안 그러면 파일이 쌓이는 순간 어느 게 어느 상품인지 본인도 못 찾아요. 제가 밟아본 함정들은 조금씩 적어두고 있고, 더 많은 튜토리얼에도 비슷한 내용이 있으니 참고해보세요.
자주 묻는 질문
녹음 환경이 시끄러우면 노이즈 제거부터 하고 복제하면 되나요?
조금은 낫습니다. 기대는 마세요. 노이즈 제거 알고리즘은 ‘후드 소리’와 ‘내 목소리의 숨결’을 구분하지 못해요. 잡음을 깎아내는 동시에 음색 디테일도 같이 깎입니다. 5분 다시 녹음하는 게 낫습니다. 정말 여건이 안 되면 옷장에 들어가서 문 닫고 등 뒤에 옷을 쌓아두세요. 이 원시적인 방법이 웬만한 노이즈 제거 플러그인보다 잘 듣습니다.
상품 영상 더빙은 한 번에 몇 초가 적당한가요?
컷 단위로 5~8초씩 자르세요. 너무 길면 강세와 리듬이 화면에 맞아떨어지기 어렵고, 너무 짧으면 말투가 툭툭 끊겨요. 나눠서 뽑고 이어 붙이는 편이 통으로 뽑는 것보다 훨씬 유연하고, 고칠 때도 마음이 편합니다.
무료 음성 복제로 만든 목소리, 상업적으로 써도 되나요?
플랫폼 약관을 봐야 하고, 쓰는 방식도 봐야 합니다. 제 기준은 명확해요. 내 목소리, 또는 동료가 명시적으로 허락한 목소리만 복제합니다. 연예인, 진행자, 출처 불분명한 오디오는 건드리지 않아요. 국내는 개인정보보호법과 퍼블리시티권 이슈가 얽혀 있고, 딥보이스 논란도 계속 나오는 중이라 남의 목소리로 판매 영상을 만드는 건 도구가 아무리 편해도 리스크가 실재합니다. 이건 타협 없습니다.
지금 제 순서는 거의 고정됐어요. 옷장에서 깨끗한 샘플 8분 녹음 → 업로드 후 복제 → 컷 분할 생성 → 한 조각씩 시청 → 편집 툴에서 화면과 정렬. 37개 영상 더빙은 이틀 저녁으로 끝냈습니다.
혹시 지금 상품 영상 더빙을 준비 중이라면, 일괄 생성부터 누르지 마세요. 5분만 내서 조용한 구석을 찾고, 제대로 한 번 녹음하세요. 어떤 테크닉보다 그게 먼저입니다. 진짜로요. 이건 영상 37개를 버려가며 배운 교훈이에요.