AI 70+ 연구원
미래를 준비하자! 설 땅이 없다
🎯 이제는 Voicebox 자체를 시험하는 것이 목적이 아니다.
지금까지 0.6B와 1.7B 비교, 숫자 발음, 30초와 1분 테스트,
목소리 녹음법까지 여러 가지를 확인했다.
이제부터는 실제 유튜브 영상을 하나 정하고,
Voicebox가 제작 시간을 얼마나 줄여주는지
확인해 보기로 했다.
🎞️ 1. 실제 영상 주제를 하나 정한다
연습용 문장을 계속 만드는 대신,
실제로 유튜브에 올릴 수 있는 주제를 하나 선택한다.
사진, 기록영상, 문서 등
내가 이미 가지고 있는 자료를 사용하는 것이 좋다.
예시
오래된 기록사진 3~5장
관련 기록영상 몇 장면
간단한 설명 자료
내가 강조하고 싶은 핵심 내용
이번 실전 테스트에 사용할 실제 사진 또는 기록자료
📝 2. 먼저 일반 유튜브 대본을 작성한다
처음부터 Voicebox용 문장을 만들 필요는 없다.
먼저 영상 내용에 맞는 일반적인 나레이션 대본을 작성한다.
대본을 만들 때 생각할 것
영상의 핵심은 무엇인가?
첫 5초에 무엇을 말할 것인가?
사진이나 영상이 바뀔 때 무엇을 설명할 것인가?
마지막에는 어떤 메시지로 끝낼 것인가?
✂️ 3. 대본을 Voicebox용으로 다시 다듬는다
일반 대본을 그대로 Voicebox에 넣지 않는다.
지금까지 테스트에서 얻은 규칙을 적용하여
AI가 읽기 쉬운 대본으로 한 번 더 정리한다.
✅ Voicebox용 수정 규칙
긴 문장은 둘로 나눈다.
쉼표는 필요한 곳에만 사용한다.
마침표를 분명하게 넣는다.
숫자와 연도 발음을 확인한다.
자꾸 틀리는 단어는 발음대로 한글로 바꾼다.
일반 대본과 Voicebox 대본은 다를 수 있다
화면 자막용
박정희 대통령 시기에는 경제개발 5개년 계획,
경부고속도로, 포항제철 등 여러 국가 사업이 추진되었습니다.
🎙️ Voicebox 입력용
박정희 대통령 시기에는 경제개발 오 개년 계획이 추진되었습니다.
경부고속도로와 포항제철 같은 중요한 사업도 추진되었습니다.
화면에 보이는 문장은 정확한 표기를 사용하고,
음성용 문장은 잘 읽히는 방식으로 별도로 작성할 수 있다.
⏱️ 4. 15~25초 정도씩 나누어 생성한다
지금까지의 테스트에서는 긴 문장을 한 번에 생성할 때
뒤로 갈수록 톤이 떨어지는 경우가 있었다.
그래서 실제 제작에서는
약 15~25초 정도씩 나누어 생성하는 방식을 기본으로 정했다.
예시
구간 A : 약 20초
구간 B : 약 20초
구간 C : 약 20초
세 구간을 각각 생성한 뒤
영상 편집 프로그램에서 하나로 연결한다.
🎙️ 5. 현재 내가 사용할 Voicebox 설정
현재 실전용 기본 설정
Voice Profile : 내목소리_나레이션_01
Language : Korean
Model : Qwen3-TTS 1.7B
Effects : No effects
⭐ 6. 중요한 문장은 2~3번 생성한다
같은 문장을 넣어도 결과는 완전히 똑같지 않았다.
억양, 음높이, 호흡이 조금씩 달라졌다.
그래서 한 번 생성한 결과가 마음에 들지 않더라도
바로 문장을 고치기보다
같은 문장을 두세 번 더 만들어 보는 것이 좋다.
1회 생성 → 듣기
2회 생성 → 듣기
3회 생성 → 듣기
그중 실제 내 목소리에 가장 가깝고
억양이 자연스러운 음성을 선택한다.
📂 7. 선택한 음성은 바로 정리한다
생성 파일이 많아지면 어느 것이 좋은 음성이었는지
금방 헷갈릴 수 있다.
그래서 선택한 음성은
알아보기 쉬운 이름으로 바로 저장하는 것이 좋다.
파일 이름 예
01_도입_최종.wav
02_본론A_최종.wav
03_본론B_최종.wav
04_마무리_최종.wav
🎬 8. 이제 영상 편집 프로그램으로 가져간다
Voicebox에서 고른 음성을
영상 편집 프로그램으로 가져온다.
사진, 기록영상, 자막, 배경음악과 함께 배치하면서
실제 영상 속에서 목소리가 자연스럽게 들리는지 확인한다.
실제 제작 흐름
자료 준비
↓
대본 작성
↓
Voicebox용 대본 수정
↓
1.7B 음성 생성
↓
최종 음성 선택
↓
Filmora 또는 Premiere Pro 편집
↓
유튜브 영상 완성
🔍 실제 영상에서는 다시 들어봐야 한다
Voicebox 안에서 들을 때는 좋아도,
영상과 함께 들으면 느낌이 달라질 수 있다.
최종 확인
첫마디가 너무 크지 않은가?
사진 전환과 음성이 잘 맞는가?
말이 너무 빠르거나 느리지 않은가?
숫자와 이름을 정확하게 읽었는가?
배경음악에 목소리가 묻히지 않는가?
마지막까지 목소리 톤이 유지되는가?
🚀 이번에는 완벽함보다 제작 속도를 본다
Voicebox 테스트만 계속하면 실제 영상은 만들어지지 않는다.
이제 중요한 것은
기존 방식보다 실제 제작 시간이 얼마나 줄어드는가이다.
PART 07의 핵심
Voicebox가 완벽한가를 다시 시험하는 것이 아니다.
실제 자료와 실제 대본으로 영상을 한 편 만들어 보고,
내 목소리 복제가 실제 제작에 얼마나 도움이 되는지
확인하는 것이 이번 단계의 목적이다.
사진·영상·자막·배경음악을 함께 넣었을 때의 느낌은 같은가?
실제 영상 편집에서 발견한 장점과 문제점을 기록한다.
# Tags
#Voicebox #AI음성 #AI음성복제 #내목소리복제
#AI나레이션 #유튜브나레이션 #유튜브제작
#Qwen3TTS #1.7B #한국어TTS #AI보이스
#영상편집 #Filmora #PremierePro
#나레이션대본 #Voicebox테스트
어느 모델이 내 목소리를 더 자연스럽게 만들어 줄까?
Voicebox에는 Qwen3-TTS 0.6B와 1.7B 모델이 있다.
이름만 보고 판단하지 않고,
실제로 같은 문장을 여러 번 생성해 직접 들어보기로 했다.
같은 조건으로 비교했다
두 모델을 공정하게 비교하기 위해 조건은 모두 같게 했다.
목소리 프로필 : 같은 원본 사용
언어 : Korean
문장 : 동일한 문장 사용
효과 : No effects
반복 횟수 : 각 모델 여러 번 생성
가장 내 목소리에 가깝고 자연스러운 결과에는
★ 표시를 해 두었다.
먼저 0.6B를 테스트했다
같은 문장을 여러 번 생성해 들어보니,
목소리 자체는 분명히 내 목소리와 비슷했다.
하지만 매번 억양과 소리 높낮이가 조금씩 달랐다.
0.6B에서 느낀 점
① 내 목소리와 비슷하게 들린다.
② 같은 문장인데도 억양이 조금씩 달라진다.
③ 음성의 높낮이도 매번 미세하게 차이가 난다.
④ 긴 문장에서는 뒤로 갈수록 톤이 낮아지는 경우가 있었다.
⑤ 숫자나 연도 발음에서 문제가 나타나기도 했다.
같은 문장을 반복 생성하고 가장 좋은 결과에 ★ 표시를 했다.
같은 조건으로 1.7B도 테스트했다
1.7B 역시 같은 문장과 같은 설정으로 여러 번 생성했다.
여기에서도 결과마다 아주 미세한 차이는 있었다.
그러나 전체적으로는 0.6B보다
내 목소리와 더 자연스럽게 닮아 있고,
한국어 발음도 안정적이라는 느낌을 받았다.
1.7B에서 느낀 점
① 내 목소리와 더 자연스럽게 비슷하다.
② 같은 문장을 반복해도 차이는 매우 미세했다.
③ 숫자와 연도 발음이 0.6B보다 안정적이었다.
④ 문장 끝으로 갈수록 톤이 낮아지는 현상은 여전히 있었다.
⑤ 생성 시간은 0.6B와 큰 차이가 없었다.
1.7B 역시 반복 생성 후 가장 자연스러운 음성에 ★ 표시를 했다.
생성 시간은 예상과 달랐다
0.6B는 작은 모델이고 1.7B는 더 큰 모델이기 때문에
처음에는 0.6B가 훨씬 빠를 것으로 예상했다.
그러나 실제 테스트에서는
두 모델의 생성 시간 차이가 거의 느껴지지 않았다.
또한 같은 작업을 반복할수록 생성 속도는 점점 빨라졌다.
내가 사용하는 Windows PC에 NVIDIA 그래픽카드가 있다는 점도
이 부분에서 도움이 된 것으로 보인다.
현재까지는 1.7B가 더 좋았다
0.6B
목소리 복제는 가능하지만,
숫자 발음과 자연스러움에서 아쉬움이 있었다.
1.7B
내 목소리와 더 자연스럽게 닮았고,
한국어 발음도 비교적 안정적이었다.
생성 시간
실제 사용에서는 두 모델의 차이가 거의 느껴지지 않았다.
따라서 현재 단계에서는
1.7B를 중심으로 다음 테스트를 계속 진행하기로 했다.
이번 테스트에서 발견한 중요한 점
같은 문장과 같은 목소리를 사용해도
AI가 생성하는 억양과 높낮이는 매번 완전히 같지 않았다.
그래서 실제 나레이션을 만들 때는
한 번만 생성하고 끝내기보다
2~3번 생성해서 가장 자연스러운 결과를 고르는 방식이
더 좋겠다는 생각이 들었다.
실제 역사 나레이션에서 자주 사용하는 숫자와 고유명사를
Voicebox가 어떻게 읽는지 확인해 보았다.