AI 70+ 연구원

미래를 준비하자! 설 땅이 없다

1. 기본 모델은 1.7B

테스트 결과 0.6B보다
Qwen3-TTS 1.7B가 내 목소리를 더 자연스럽게 표현했다.

연도 발음도 상대적으로 안정적이었고,
생성 시간 역시 0.6B와 큰 차이가 느껴지지 않았다.

2. 긴 문장보다 짧은 문장

테스트에서 가장 분명하게 나타난 문제는
문장이 길어질수록 목소리 톤이 내려가는 경우가 있다는 점이었다.

반대로 문장을 짧게 나누고 마침표를 분명하게 넣었을 때는
목소리 톤이 훨씬 안정적으로 유지되는 경우가 많았다.

3. 1분을 한 번에 만들지 않는다

실제 유튜브 나레이션에서는
1분 전체를 한 번에 생성하는 것보다
약 15~25초 정도씩 나누어 생성하는 방식이 더 안정적일 것으로 판단했다.

짧게 만들어 가장 좋은 음성을 선택한 뒤
영상 편집 프로그램에서 이어 붙이면 된다.

4. 같은 문장을 2~3번 생성한다

같은 문장과 같은 조건에서도
억양과 높낮이는 매번 완전히 같지 않았다.

어떤 결과는 매우 자연스러웠고,
같은 문장을 바로 다시 생성하면 어색해지는 경우도 있었다.

5. 숫자와 고유명사는 반드시 확인한다

역사 나레이션에는 연도, 인명, 사업명이 자주 나온다.
Voicebox가 이런 표현을 항상 정확하게 읽는 것은 아니었다.

따라서 반복해서 잘못 읽는 표현은
Voicebox 입력용 대본에서 발음하기 쉬운 형태로 바꾼다.

6. 원본 녹음도 중요하다

AI 모델만 바꾼다고 모든 문제가 해결되는 것은 아니었다.
Voicebox가 참고하는 원본 목소리 자체가 일정해야 한다.

이러한 기준으로
내목소리_나레이션_01이라는 별도의 목소리 프로필도 만들었다.

앞으로의 실제 제작 순서

Voicebox에 대한 현재 평가

지금까지의 테스트만으로 Voicebox가 완벽하다고 말하기는 어렵다.

첫마디의 큰 발성, 장문에서의 톤 하강,
가끔 달라지는 억양과 숫자 발음 같은 문제가 남아 있다.

이제 테스트보다 실제 영상을 만들어 볼 차례

이번 실험의 목적은 AI 음성을 계속 시험하는 데 있지 않았다.

내가 가진 사진과 기록영상,
그리고 직접 작성한 내용을 이용해
실제 유튜브 영상을 더 빠르고 편하게 만드는 것이 최종 목적이다.

이제 Voicebox의 기본적인 성격과 사용 방법은 어느 정도 알게 되었다.
다음부터는 실제 영상 한 편을 만들어 보면서
부족한 부분을 다시 확인해 보기로 했다.