LUFS 뜻과 AI 음성 음량 맞추기 가이드

LUFS 뜻은 Loudness Units relative to Full Scale의 약자입니다. 파형의 가장 높은 순간이 아니라, 청취자가 시간에 따라 체감하는 음량을 재는 단위입니다. 1 LU는 1 dB의 게인과 같아서 계산 자체는 간단합니다. 어려운 부분은 어떤 숫자를 목표로 삼을지, 어디에서 측정할지, 그리고 음성 생성기에서 나온 클립들이 왜 서로 잘 맞지 않는지를 이해하는 것입니다. 이 글은 표준의 기본 개념, 실제로 맞닥뜨리게 될 배포 목표, 합성 음성을 일괄로 맞추는 절차를 다룹니다.

LUFS는 실제로 무엇을 측정할까요?

LUFS는 ITU-R BS.1770에서 정의된 측정값입니다. 일부 지역에서는 같은 측정을 LKFS라고 부릅니다. 기준점은 디지털 최대치(full scale)이므로 0 LUFS가 천장이고, 실제 음원이나 방송물은 그보다 낮은 음수 값으로 나타납니다.

측정은 세 단계로 이루어집니다. 먼저 K-weighting을 적용합니다. 약 38 Hz 이하를 깎는 고역 통과 필터와 고음역을 완만하게 올리는 셸빙 필터로 사람 귀의 주파수 민감도를 근사합니다. 다음으로 제곱평균 에너지를 시간에 걸쳐 평균합니다. 마지막으로 게이팅을 적용해 무음 구간이 평균을 끌어내리지 않게 합니다.

마지막 단계가 음성에서 특히 중요합니다. 말을 자주 멈추는 내레이션은 단순 평균으로 재면 실제보다 작게 나옵니다. BS.1770은 절대값 -70 LUFS 아래 구간과, 실행 레벨보다 10 LU 이상 낮은 구간을 제외합니다. 그래서 멈춤 구간이 점수를 깎지 않습니다.

세션 노트: 피크 미터는 가장 높은 순간만 보여 줍니다. LUFS는 전체 신호가 얼마나 무겁게 들리는지를 보여 줍니다. 피크가 같은 -1 dBFS인 두 클립이 8 LU 차이 날 수도 있습니다.

모멘터리, 숏텀, 인티그레이티드 중 무엇을 믿어야 할까요?

라우드니스 미터는 세 가지 값을 보여 주는데, 많은 사람이 이들을 혼동합니다.

• 모멘터리(Momentary): 400 ms 창을 사용합니다. 반응이 빠르며 순간적인 튐을 보여 줍니다.

• 숏텀(Short-term): 3초 창을 사용합니다. 한 문장이나 장면이 어떻게 놓이는지 보여 줍니다.

• 인티그레이티드(Integrated): 게이팅을 거쳐 전체 프로그램을 평균합니다. 납품 사양이 요구하는 값이 바로 이것입니다.

라우드니스 범위(LRA, EBU Tech 3342)는 네 번째 수치입니다. 프로그램 전체에서 레벨이 얼마나 움직이는지를 LU 단위로 나타냅니다. 한 사람이 일정한 게인으로 말하는 팟캐스트는 LRA가 작고, 속삭임과 고함이 섞인 드라마는 LRA가 큽니다.

납품에는 인티그레이티드 값을 기준으로 씁니다. 파일 내부의 문제를 잡을 때는 숏텀을 봅니다. 모멘터리는 튀는 소리, 파열음, 클릭처럼 순간적인 문제를 찾을 때 씁니다.

어떤 LUFS 목표를 맞춰야 할까요?

목표는 배포처마다 다릅니다. 아래는 자주 나오는 수치입니다. 출고 전에 각 플랫폼의 최신 문서로 한 번 더 확인하세요.

• Spotify(Normal 재생 설정): -14 LUFS, 트루 피크 -1 dBTP

• YouTube: 약 -14 LUFS, -1 dBTP

• Apple Music: -16 LUFS, -1 dBTP

• 팟캐스트(일반적인 관행): -16 LUFS ±1 LU, -1 dBTP

• EU 방송(EBU R128): -23 LUFS ±0.5 LU, -1 dBTP

Spotify는 자체 수치를 공개합니다. 재생 시 Quiet에서는 -19 LUFS, Normal에서는 -14 LUFS, Loud에서는 -11 LUFS로 정규화하며, 마스터는 -14 LUFS, 트루 피크는 -1 dB 이하로 맞추기를 권장합니다. 자세한 내용은 Spotify 라우드니스 정규화 가이드에 나와 있습니다. 유럽 방송 기준은 EBU R 128 권고안에서 -23 LUFS로 정해져 있습니다.

하나의 숫자만이 정답이라고 생각할 필요는 없습니다. -16 LUFS로 만든 팟캐스트가 -14로 정규화하는 플랫폼에서 재생되면 2 LU 크게 들릴 뿐이고, 아무것도 깨지지 않습니다. 실제로 문제가 되는 것은 큰 목표를 맞추려고 리미터로 짓눌러서 피로감이 큰 파일이 되는 경우입니다.

LUFS와 트루 피크는 왜 함께 봐야 할까요?

인티그레이티드 라우드니스는 가장 높은 순간의 피크를 알려 주지 않습니다. -16 LUFS를 맞춘 파일이라도 손실 인코딩 뒤에 컨버터에서 클리핑될 수 있습니다. 트루 피크(dBTP)는 샘플 사이의 피크를 오버샘플링으로 추정합니다. AAC나 Ogg 인코딩은 샘플 값에 보이는 것보다 높게 넘칠 수 있기 때문입니다.

실무 규칙은 이렇습니다. 먼저 라우드니스 목표를 정하고, 트루 피크가 -1 dBTP 이하인지 확인합니다. Spotify는 마스터가 -14 LUFS보다 클 때 인코딩 왜곡을 줄이기 위해 -2 dBTP까지 낮출 것을 권장합니다.

오디오북 작업에는 변수가 하나 더 있습니다. 미국의 주요 오디오북 플랫폼인 ACX는 LUFS가 아니라 RMS 레벨을 요구합니다. 범위는 -23에서 -18 dB, 피크는 -3 dB 이하입니다. 이 채널용으로 내레이션한다면 사양이 요구하는 대로 RMS를 측정하세요. 같은 챕터로 팟캐스트 버전도 낸다면 그 버전은 LUFS로 측정합니다. 원본 파일은 하나지만 측정 기준은 두 가지입니다.

AI 음성 클립의 음량은 왜 제각각일까요?

일반적인 LUFS 가이드가 빠뜨리는 부분이 여기입니다. 텍스트 음성 변환 엔진은 여러분의 목표값을 모릅니다. 생성할 때마다 모델과 음성 설정이 만들어 내는 레벨로 오디오가 나오고, 그 레벨은 음성, 언어, 감정 상태에 따라 달라집니다.

음량을 움직이는 요인은 세 가지입니다.

1. 음성 자체. 저중역 에너지가 많은 깊은 클론은 같은 피크 레벨이라도 밝은 클론과 K-weighting에서 다르게 읽힙니다.

2. 전달 방식. 같은 목소리라도 속삭인 대사와 소리친 대사의 라우드니스는 다릅니다. 감정 조절은 음높이만 바꾸지 않습니다.

3. 클립 길이. 2초짜리 NPC 대사에는 숏텀 창이 거의 하나밖에 들어가지 않습니다. 그래서 인티그레이티드 값이 노이즈를 많이 타고, 아주 짧은 소재에서는 게이팅이 예상과 다르게 동작할 수 있습니다.

AnyVoice처럼 8개 슬라이더로 감정을 조절한다면, 슬라이더를 움직일 때마다 다시 측정하세요. 두 슬라이더 위치가 같은 LUFS에 떨어진다는 보장은 없습니다.

세션 노트: 합성 음성은 녹음 테이크보다 깨끗한 경우가 많습니다. 룸 톤도 없고 요청하지 않으면 숨소리도 없습니다. 그래서 게이팅이 라이브 녹음에서보다 적게 작동하고, 인티그레이티드 값이 숏텀 값에 예상보다 가깝게 나올 수 있습니다.

합성 음성을 일괄로 맞추는 절차

대사 300줄이 세 가지 감정 상태로 나뉘어 있다고 가정해 봅시다. 하나씩 손으로 페이더를 조정하는 것은 현실적이지 않습니다. 아래 절차는 실제로 잘 작동합니다.

1. 같은 내보내기 설정으로 생성합니다. 모든 클립의 샘플레이트와 비트 깊이를 맞춰야 같은 조건끼리 비교할 수 있습니다.

2. 클립마다 인티그레이티드 LUFS와 트루 피크를 측정합니다. BS.1770 미터를 쓰는 대부분의 DAW나 ffmpeg의 loudnorm 필터로 두 값을 모두 볼 수 있습니다.

3. 파일이 아니라 역할 기준으로 묶습니다. 같은 캐릭터의 대사는 서로 1 LU 이내로 맞춥니다. 장면이 요구한다면 캐릭터끼리는 차이를 둘 수 있습니다.

4. 차이를 줄일 때는 압축이 아니라 게인을 씁니다. 2.3 dB의 선형 게인은 라우드니스를 정확히 2.3 LU만큼 옮기고 다이내믹스는 건드리지 않습니다.

5. 게인을 준 뒤 트루 피크를 확인합니다. 클립이 천장을 넘으면 짧은 룩어헤드를 가진 트루 피크 리미터를 쓰되, 감쇄량은 작게 유지합니다.

6. 최종 믹스에서 한 번만 정규화합니다. 스템마다 맞추지 말고 완성된 프로그램에 플랫폼 목표를 적용합니다.

둥근 숫자로 예를 들어 보겠습니다. 생성된 클립이 -21.5 LUFS이고 대사 목표가 -18 LUFS라면 +3.5 dB가 필요합니다. 원래 트루 피크가 -6 dBTP였다면 적용 후 -2.5 dBTP가 되어 -1 dBTP 천장 안에 들어갑니다. 리미터가 필요 없습니다.

같은 클립의 피크가 -3 dBTP라면 어떨까요? +3.5 dB를 적용하면 +0.5 dBTP가 되어 오버샘플링 영역에서 풀스케일을 넘습니다. 이때는 목표를 낮추거나, 트랜지언트를 다듬거나, 리미트를 걸어야 합니다. 어느 쪽이 맞는지는 그 피크가 어차피 고쳐야 할 파열음인지에 따라 달라집니다.

음원을 LUFS로 정규화할까요, 아니면 생성기에 맡길까요?

어디로 가는 오디오인지에 따라 다릅니다.

클립이 게임 엔진, IVR 흐름, 앱으로 바로 들어간다면 모든 에셋을 하나의 대사 목표에 맞추고 믹싱은 런타임에 맡기는 편이 낫습니다. 대사 레벨이 들쭉날쭉한 게임에서는 플레이어가 볼륨 노브를 계속 돌려야 하고, 라우드니스 사양이 막으려는 바로 그 상황이 벌어집니다.

클립이 1차 편집용으로 DAW에 들어간다면 미리 정규화하지 않아도 됩니다. 어차피 음악과 효과음에 맞춰 다시 균형을 잡게 되니까요. 이 경우에는 최종 믹스를 측정하세요.

합성 음성은 체인에 넣기 전에 라우드니스 패스를 한 번 거치는 편이 가치가 있습니다. 귀로 확인할 30초짜리 광고 하나만 만든다면 굳이 할 필요는 없습니다. 측정 비용은 클립당 몇 초이므로, 어느 클립이 어느 클립인지 기억하기 어려워지는 시점이 손익분기점에 가깝습니다.

플랫폼 도구가 일부 도움을 주기도 합니다. 일부 TTS 플랫폼은 자체 출력 정규화나 라우드니스 설정을 공개하므로, 중복되는 파이프라인 단계를 만들기 전에 문서를 먼저 읽으세요. Murf AI와 같은 카테고리의 다른 서비스들은 음성 라이브러리 규모와 API 지연 시간이 서로 다릅니다. 실시간 파이프라인에서는 이 차이가 배치 작업보다 훨씬 중요합니다.

자주 하는 LUFS 실수와 해결 방법

음성만 있는 콘텐츠에 -14를 목표로 삼기. 음악 마스터링 목표는 말소리에 그대로 옮겨지지 않습니다. 대사 중심 팟캐스트는 -16 LUFS에서 대부분의 휴대폰과 이어폰으로 잘 들립니다. "경쟁하려고" -12까지 올리면 필요 없는 리미터만 얻게 됩니다.

최종 편집 전에 측정하기. 크로스페이드, 룸 톤 채우기, 음악 베드는 모두 인티그레이티드 라우드니스를 바꿉니다. 측정은 맨 마지막에 하세요.

미터 플러그인 하나만 무조건 믿기. 같은 파일에 대해 두 미터의 값은 소수점 몇 자리 차이 안에서 맞아야 합니다. 1 LU 이상 차이가 나면 게이팅 설정과 측정 모드를 확인하기 전까지는 어느 쪽도 믿지 마세요.

트루 피크 무시하기. 라우드니스 목표는 맞췄지만 피크가 +0.3 dBTP라면 대부분의 사양에서 납품 실패입니다.

음량 차이를 무시한 채 귀로 비교하기. 소리가 큰 파일이 A/B 비교에서 거의 항상 이깁니다. 음성, 플러그인, 클론을 평가하기 전에 먼저 인티그레이티드 라우드니스를 맞추세요. TTS 벤더를 비교할 때도 같습니다. 먼저 음량을 맞추고, 그다음에 들어 보세요.

이것이 여러분의 파이프라인에서 바꾸는 것

표준을 전부 외울 필요는 없습니다. 세 가지 습관이면 충분합니다.

첫째, 목표를 정하기 전에 배포처를 먼저 정하세요. 음악 스트리밍, 팟캐스트 피드, 방송, 오디오북 유통은 각자 다른 수치를 쓰고, 일부는 LUFS 대신 RMS를 씁니다.

둘째, 합성 음성을 레벨이 맞지 않은 원재료로 취급하세요. 모든 클립을 측정하고, 캐릭터별로 묶고, 차이는 단순 게인으로 메우세요.

셋째, 인티그레이티드 라우드니스와 트루 피크를 함께 보고 판단하세요. 하나만 보면 실제 운영에서 실패하는 파일을 통과시키게 됩니다.

엄격한 컴플라이언스가 요구되는 엔터프라이즈 보이스오버를 한다면, WellSaid Labs처럼 거버넌스 기능을 갖춘 벤더가 그런 구매 절차에 맞습니다. 개인 제작자라면 미터, 목표값, 캐릭터별 오프셋을 적은 스프레드시트 하나로 시작하세요.