📬 사다리 AI 레터 29호
안녕하세요, 사다리필름입니다.
요즘 슬라이드는 AI로 금방 만듭니다. 그런데 그 위에 얹을 '나레이션'에서 막히는 담당자님이 많습니다.
실제로 지난주 한 교육팀 담당자님이 이렇게 말씀하셨습니다. "슬라이드는 다 만들었는데, 목소리가 문제예요."
이번 주 레터는 슬라이드가 넘어가고 목소리가 설명해주는 교육영상, 그중에서도 '목소리'를 만드는 방법을 정리했습니다. 특히 최근 문의가 부쩍 늘어난 '보이스 클로닝'을 중심으로 준비했습니다.
담당자 여러분의 업무가 조금이라도 더 수월해지길 바라며, 인사를 마칩니다. 💌
1. 기획자를 위한 AI 레시피 🔦
AI 나레이션, 두 갈래 길 앞에서
얼마 전 저희가 한 기업의 사내 교육영상을 제작할 때 일입니다.
충분히 이해되는 요청이었습니다. 외부 성우보다 '우리 사람'의 목소리가 훨씬 신뢰를 주니까요.
그래서 그 전문가분을 스튜디오에 모셨습니다. 그런데 현장에서 확인한 결과는 예상과 달랐습니다.
말을 잘하는 것과 대본을 '읽는 것'은 전혀 다른 일이었습니다.
그분은 현업 최고 전문가였습니다. 회의에서 설명하실 때는 막힘이 없었고요. 그런데 대본을 손에 쥐는 순간 목소리가 굳었습니다. 호흡이 급해지고, 강조해야 할 곳에서 밋밋해지고, 어느 대목에선 갑자기 빨라졌습니다. 열 번을 다시 읽어도 '전달되는 목소리'가 나오지 않았습니다.
영상을 제작해보신 담당자님이라면 한 번쯤 겪어보셨을 상황입니다.
여기서 선택지가 나뉩니다
AI 나레이션은 크게 두 갈래로 나뉩니다.
첫째, 일반 AI 나레이션. 미리 만들어진 목소리 중 하나를 고르고, 대본을 넣으면 끝입니다. 빠르고 깔끔합니다. 강의 스무 편을 만들어도 톤이 흔들리지 않습니다. 다만 '우리 사람'의 목소리는 아니라는 한계가 있습니다.
둘째, 보이스 클로닝. 실제 사람의 목소리를 먼저 복제한 뒤, 대본을 넣으면 그 사람의 목소리로 읽어줍니다. 앞서 말씀드린 전문가분의 목소리는 그대로 살리되, 읽기는 매끄럽게 처리하는 방식입니다. 아이덴티티는 유지하면서, '읽기 어려움'이라는 문제는 해소하는 셈입니다.
여기서 한 가지 짚어드리고 싶은 지점이 있습니다.
일반인은 아나운서가 아닙니다. 설득력 있고 전달력 있게 읽는 것은 훈련된 기술이며, 하루아침에 되지 않습니다. 그래서 "우리 사람 목소리로 가고 싶다"는 요청 앞에서, 굳이 그분을 성우로 만들 필요는 없습니다. 목소리(정체성)만 활용하고, 읽기(기술)는 AI에 맡기면 됩니다.
그렇다면 언제 무엇을 써야 할까요
세 가지 기준으로 정리해드립니다.
① 일반 AI 나레이션 — 인물이 누구인지 중요하지 않을 때. 대량 강의, 자막 대체, 사내 매뉴얼 영상 등 속도와 일관성이 가장 중요한 경우.
② 보이스 클로닝 — 특정 인물의 목소리가 중요할 때. CEO 신년사, 사내 전문가 강의, 강사 본인 영상 등 '그 사람'이어야 의미가 있는 경우.
③ 실제 녹음(생목) — 인물이 전달 훈련이 되어 있을 때. 방송 경험자, 성우, 발표에 능숙한 분 등 현장의 감정과 호흡이 핵심인 경우.
판단 기준은 하나입니다. 이 목소리가 '누구'여야 하는가, 아니면 '무엇을 전달'하면 되는가.
📋 이번 주 액션 아이템
☑️ 월요일 (15분): 제작 예정인 교육영상 대본에서 한 꼭지를 뽑아, 일반 AI 나레이션으로 15초 분량을 생성해보세요. → 톤 감을 잡을 수 있습니다.
☑️ 화요일 (20분): 사내 강사나 전문가의 목소리를 30초~1분 녹음해 클로닝 테스트를 진행해보세요. → '우리 사람' 버전을 확인할 수 있습니다.
☑️ 수요일 (10분): 두 결과를 팀에 나란히 들려주고 '누구의 목소리로 갈지' 결정하세요. → 회의 세 번 할 일이 3분이면 끝납니다.
2. "이게 된다고?" AI 실험실 🔬
슬라이드도 있고 대본도 준비됐습니다. 남은 문제는 목소리 하나입니다.
사람을 부르자니 일정 조율, 스튜디오 비용, 그리고 앞서 말씀드린 '전달력' 문제가 걸립니다. 그래서 저희가 실제로 사용하는 워크플로우를 그대로 공개합니다.
1단계 · 대본 정제
음성 AI는 사람이 아닙니다. 괄호, 약어, 기호를 엉뚱하게 읽습니다. '(예시)'는 괄호까지 읽어버리고, 'LLM'은 뭉개서 처리하기도 합니다. 그래서 먼저 대본을 '읽기용'으로 다듬습니다. 괄호는 풀고, 'LLM'은 '엘엘엠'으로, '30%'는 '30퍼센트'로 바꿉니다.
2단계 · 소스 음성 확보
일반 AI 나레이션이라면 이 단계는 건너뜁니다. 클로닝이라면 이 단계가 승부처입니다. 조용한 환경에서 1~3분 분량을, '목적에 맞는 톤'으로 녹음합니다.
3단계 · 클로닝 & 합성
녹음본을 음성 엔진에 입력해 목소리를 복제합니다. 이어서 1단계에서 다듬은 대본을 넣으면, 그 목소리로 나레이션이 생성됩니다.
4단계 · 슬라이드 싱크
생성된 음성을 문장 단위로 나눠 슬라이드 전환에 맞춰 배치합니다. 수정이 필요하면 대본 한 줄만 고쳐 다시 생성하면 됩니다. 재촬영이 없습니다.
[🖼️ 이미지: 4단계 워크플로우 다이어그램 / 실제 합성 화면 캡처]
이 과정에서 저희가 분명히 배운 것이 있습니다
복제는 원본을 넘지 못합니다.
클로닝은 그 사람의 억양, 속도, 말투를 '그대로' 따라갑니다. 원본이 밋밋하면 클론도 밋밋하고, 원본이 급하게 읽으면 클론도 급합니다. 그래서 소스 녹음이 전체 품질의 절반 이상을 좌우합니다.
교육영상이라면 교육에 맞는 톤으로. 또박또박, 안정감 있게, 알맞은 속도로 녹음해야 클론이 그 톤을 그대로 이어받습니다. 좋은 목소리를 복제하는 것이 아니라, '목적에 맞게 읽은' 목소리를 복제하는 것입니다.
🔧 소스 음성 녹음 체크리스트
☑️ 환경: 에어컨·팬을 끄고, 울림이 적은 공간에서
☑️ 분량: 30초로 시작하되, 품질이 부족하면 1~3분까지
☑️ 톤: 최종 나레이션의 목적과 동일한 톤으로 (교육이면 교육 톤)
☑️ 속도: 평소 말보다 조금 천천히, 문장 끝을 흐리지 않도록
☑️ 대본: 실제 사용할 대본의 한 문단을 그대로 읽기 (스타일 일치)
직접 제작이 부담되신다면
여기까지 읽으시고 이런 생각이 드셨을 수 있습니다. "방법은 알겠는데, 이 과정을 우리가 직접 다 해야 할까?"
온보딩 영상, 법정의무교육, 사내 전문가 강의. 매번 성우를 섭외하고 스튜디오를 잡고, 수정할 때마다 다시 녹음하다 보면 담당자님의 시간이 그대로 소진됩니다.
저희 사다리필름이 바로 이 워크플로우로 교육영상을 제작합니다. 슬라이드 설계부터 대본 정제, 목소리(일반 AI 또는 사내 인물 클로닝), 슬라이드 싱크까지 한 번에 진행합니다. '우리 회사 전문가'의 목소리를 살리면서도, 전달은 매끄럽게 만들어드립니다.
오늘 뉴스레터 어떠셨어요?
아래 버튼을 눌러 의견을 남겨주시면
피드백을 반영해 더 재밌고 유익한 콘텐츠로 찾아올게요.
💌
의견을 남겨주세요