브라우저에서 보컬 믹싱: 목표값은 어디서 왔나

자동 믹스 도구는 숫자로 답해야 합니다. 목소리를 음악에 비해 얼마나 크게 둘지, EQ가 어느 대역을 건드릴지, 음정을 정확한 음으로 끌어당길지. 그 목표값은 어디서 와야 할까요? 짧게 말하면, MuziAI의 보컬 대 음악 목표값은 사이트가 직접 생성한 노래가 아니라 실제 스템이 있는 녹음 144곡에서 측정했고, 그 중앙값에서 보컬은 음악보다 2.2 LU 낮습니다. 테스트 벤치는 주요 숫자가 멀쩡해 보이게 만든 버그 네 개를 잡아냈습니다. 그리고 오토튠은 독립된 측정기 두 개로 재 보니 보컬의 맑음을 실제로 깎아 먹기 때문에 기본으로 꺼져 있습니다.

왜 우리 노래에서 목표값을 가져오지 않았나

쉬운 길은 서버에 이미 있는 비트와 보컬 쌍을 측정하는 것이었습니다. 57쌍이 있지만 모두 사이트가 생성한 AI 노래입니다. 사용자가 분리하려고 올린 녹음은 24시간 뒤 삭제되므로, 사람이 믹스한 쌍은 하나도 남아 있지 않습니다. 그 57쌍을 측정하면 사람이 어떻게 믹스하는지가 아니라 AI가 어떻게 믹스하는지를 알게 될 뿐입니다.

그래서 스템이 분리된 멀티트랙 녹음 공개 데이터셋을 썼습니다. 144곡, 곡마다 7초짜리 미리 듣기이며, 보컬과 반주가 분리기의 결과물이 아니라 실제로 따로 녹음된 트랙입니다.

목표 숫자, 그리고 페이지가 쓰는 값

독립된 측정기 두 개가 일치하므로(−2.2와 −2.25) 중앙값은 탄탄합니다. 하지만 이는 대부분 록인 서양 데이터셋을 설명하는 값입니다. 사이트의 AI 노래는 보컬을 음악보다 1.9 LU 위에 두고, 저희가 측정한 실제 베트남 노래 한 곡은 +2.3 LU였습니다. 그래서 페이지 기본값은 +2이고, 슬라이더는 ±4, 눈금은 −2.2에 있어 다른 관례가 어디쯤인지 볼 수 있습니다. 페이지에도 베트남어 표본이 단 한 곡이라고 분명히 적어 두었습니다.

EQ도 같은 생각을 따릅니다. 옥타브 대역마다 144곡에 걸친 q1-q3 범위의 폭은 4-5 dB입니다. 도구는 그 범위를 벗어난 대역만 고치고, 그것도 중앙값이 아니라 범위의 가장자리까지만 끌어옵니다. 모든 목소리를 중앙값으로 몰아붙이는 것은 덧칠이고, 목소리마다 다른 개성을 지워 버립니다. 리버브는 사이드 대 미드 비율이 −11.8 dB가 될 때까지 맞춥니다. 비트만 넣은 모드에서는 비트가 장르마다 다르기 때문에 일부러 자동 EQ를 하지 않습니다. 비트의 음색을 다듬고 싶다면 레퍼런스 곡을 주세요. 옥타브 스펙트럼을 한 번에 70%씩 두 번 맞추고 ±4 dB로 제한하며, 라우드니스는 복사하지 않습니다(−14 LUFS 유지).

테스트 벤치가 잡은 버그 네 개, 모두 그럴듯한 숫자였다

도구의 라우드니스와 트루 피크 측정은 표준 참조 도구와 비교해 파일 10개 중 10개에서 0.05 이내로 일치합니다. 보컬을 일부러 망가뜨린 21곡으로 만든 42개 사례 점검은 42/42로 통과합니다. 그런데도 출시 전에 벤치는 주요 결과표만 봐서는 누구도 알아채지 못했을 버그 네 개를 잡아냈습니다.

1. 리미터가 처음 5 ms 동안 +15.3 dBFS의 스파이크를 통과시켰습니다. 첫 샘플 앞의 가상 구간을 1로 취급해서 이동 평균이 끌려 올라갔기 때문입니다. 마스터 루프는 천장을 계속 낮추고 다시 게인을 더하다가 −20 LUFS, +1.2 dBTP로 끝났습니다.
2. 컴프레서가 보컬을 약 30 dB 짓누르고, 메이크업 게인이 +46 dB를 더했습니다. 배경 잡음이 계속 깔린 녹음에서 “잡음 바닥 + 12 dB”가 노래보다도 위에 있어서, 어떤 프레임도 목소리로 세어지지 않았고 임계값이 −120까지 떨어졌습니다. 출력은 그래도 보컬 대 음악 비율이 맞는 −14 LUFS에 도달했습니다. 메이크업 게인이 깎아 낸 양과 대략 같은지 묻는 점검만이 이 버그를 드러냈습니다. 이제 임계값은 피크에서 10 dB를 뺀 값보다 낮아지지 않습니다.
3. 백분위 함수가 호출될 때마다 천만(10M) 개의 숫자를 정렬했고, 옥타브 스펙트럼은 곡 전체를 네 번 필터링했습니다. 희소 백분위, 3초짜리 10개 구간 분석, 곡 전체 한 번 필터링으로 바꾸자 처리 시간이 30초에서 9.5초로 줄었습니다.
4. 시계가 시험 기계에서 음수 시간(−50초)을 반환했습니다. 이제 브라우저의 단조 증가 시계를 씁니다.

버그 2의 교훈: 출력의 라우드니스가 맞는지만 묻는 벤치는 보컬을 망가뜨리는 컴프레서도 통과시킵니다. 마스터 단계가 그것을 가려 주기 때문입니다. 수정 후, 백보컬이 있는 4분짜리 곡이 브라우저에서 11.8초 만에 처리됩니다.

오토튠: 측정기 두 개와 실제 대가

도구의 오토튠은 10 ms 프레임 단위로 음높이를 추적하고, 보컬의 각 주기를 목표 음 쪽으로 옮깁니다. “약하게” 설정은 각 음의 중심을 ±70 ms 안에서 옮기고 비브라토를 유지하며, “강하게”는 모든 프레임을 강제로 맞춥니다. 저희 측정기와 독립된 음성학 도구로, 정답을 아는 합성 목소리와 일부러 +30센트 어긋나게 한 실제 목소리에서 측정했습니다.

오토튠은 제 할 일을 합니다. 독립 측정기로 보면 실제 목소리가 약 30센트 어긋남에서 약 12센트로 줄어듭니다. 마지막 두 열이 그 대가입니다. 지터(각 진동 길이의 주기 간 변화, 거칠게 들림)는 약 0.2%포인트 오르고, HNR(배음 대 잡음비, 높을수록 깨끗함)은 0.5~0.8 dB 떨어집니다. 그래서 오토튠은 기본으로 꺼져 있고, 페이지에 그 이유를 적어 두었습니다.

오토튠 벤치는 아주 단순한 사례 하나로 버그 두 개를 더 잡았습니다. 고칠 것이 없으면 출력은 입력과 같아야 합니다. 목소리 구간에 들어설 때 합성 마크가 분석 마크에 고정되지 않았고, 합성 단계가 마크 사이의 실제 거리 대신 추정한 음높이 주기를 써서, 오차가 쌓이며 구간 전체가 위상에서 벗어났습니다. 수정 전 출력과 입력의 일치도(SNR)는 −2.6 dB에 불과했고, 수정 후에는 150 dB로 정확히 일치했습니다. 음정 정확도 사례는 처음부터 모두 통과했고, 이 버그들은 항등 사례만이 드러냈습니다.

한계와 열린 질문

• 스템이 있는 베트남어 표본은 한 곡(+2.3 LU)입니다. 기본값 +2는 큰 규모의 측정이 아니라 그 한 곡과 사이트의 AI 노래에 기대고 있습니다.
• 144곡 데이터셋은 7초짜리 미리 듣기로 이뤄졌고 대부분 록입니다. 보컬 대 음악 균형을 잡는 데는 좋은 지침이지만, 모든 장르를 대신할 수는 없습니다.
• 오토튠은 합성 목소리와 실제 목소리 하나로 시험했습니다. 여러분의 목소리는 다른 대가를 치를 수 있습니다.
• T-Pain 모드에서는 음 정확도를 측정된 이상적 상한(89%)에 견주어 평가하며, 제품은 87%에 이릅니다. 임의로 고른 90% 기준은 없습니다.
• AI 보컬은 이미 음정이 맞기 때문에(8-9센트), 약한 오토튠은 AI 노래에서 거의 아무것도 바꾸지 않습니다.

노래를 만들 때 이것이 의미하는 것

1. 기본값 +2에서 시작하세요. 서양 팝이나 록의 균형을 원하면 −2.2 눈금 쪽으로 옮기고, 저희가 측정한 실제 베트남 노래(+2.3)에 가깝게 두려면 +2 근처에 두세요.
2. 전과 후를 같은 −14 LUFS 라우드니스에서 비교하세요. 더 큰 쪽이 “더 좋게” 들리기 쉬워서, 음량이 다르면 귀가 속습니다.
3. AI로 생성한 노래라면 오토튠을 꺼 두세요. 보컬은 이미 음정이 맞고, 켜면 맑음만 잃습니다.
4. 음정 문제가 있는 직접 녹음이라면 먼저 «약하게»로 써 보고 긴 음을 귀 기울여 들어 보세요. 거칠게 들린다면 위에서 측정한 지터의 대가입니다.
5. 비트에 특정 곡의 색을 입히고 싶다면, 자동 비트 EQ를 기대하지 말고 그 곡을 레퍼런스로 주세요.
6. 믹스할 노래가 아직 없나요? MuziAI 홈페이지에서 한 곡 만든 뒤, 보컬과 비트를 자동 믹스 도구로 가져가세요.