브라우저 탭 하나에 담긴 오디오 도구 셋

약 9분

전체 훑어보기

영상은 세 도구를 처음부터 끝까지 돌립니다. 노래를 아카펠라와 반주로 나누고, 말소리 뒤의 방 소리를 걷어내고, 입력한 한 줄을 소리로 읽습니다. 한 번에, 한 기계에서 — 그게 요점입니다. 그 기계가 우리 것이 아니라 여러분의 것이기 때문입니다.

화면 녹화로는 증명할 수 없는 부분

도구가 돌아가는 영상은 도구가 돌아가는 영상일 뿐입니다. 파일이 어디로 갔는지는 보여주지 못하고, 바로 그 한 가지가 의심해 볼 만한 주장입니다 — 무료 오디오 사이트는 모두 프라이버시에 대해 안심시키는 말을 하지만, 대부분은 여전히 여러분의 녹음을 먼저 서버에 올립니다.

이 도구는 누구의 말도 믿지 않고 여러분 쪽에서 확인할 수 있습니다.

1. 세 도구 중 아무것이나 열고 다음을 누르세요: F12 (⌥⌘I 은 맥용), 그다음 네트워크 패널을 고르세요.
2. 다음 항목을 켜세요: Disable cache. 그러면 모델 다운로드가 디스크에서 오는 대신 목록에 나타납니다.
3. 파일을 끌어다 놓고 끝까지 돌려 보세요.
4. 목록을 읽어 보세요. 모든 요청이 GET이고, 하나같이 이 사이트의 모델이나 스크립트를 받는 요청입니다.

찾아야 할 것은 없는 것들입니다. POST도 없고, 여러분의 오디오가 본문에 담긴 요청도 없고, 업로드 진행 표시도 전혀 없습니다. 통신은 한 방향으로만 갑니다. 여러분의 파일을 모델이 있는 곳으로 보내는 대신, 모델을 여러분의 파일이 이미 있는 곳으로 가져옵니다. 그 순서가 구조적 차이의 전부이고 — 다음 분기에 슬그머니 바뀔 수 있는 보관 정책 같은 것이 아닙니다.

모델이 캐시된 뒤에 네트워크 선을 뽑아도 도구는 계속 동작합니다. 같은 사실을 반대쪽에서 본 것입니다.

그 대가로 여러분이 내는 것

모델을 로컬에서 돌리는 것이 공짜는 아닙니다 — 청구 방식이 다를 뿐입니다. 우리 서버 시간 대신, 여러분은 첫 방문의 다운로드와 작업이 돌아가는 동안의 프로세서를 씁니다.

도구	첫 방문 다운로드	제한
보컬 제거기	약 52 MB — 12 MB 런타임에 트랙별로 하나씩 20 MB 모델 파일 두 개	5분, 300 MB
노이즈 제거기	약 16 MB	5분, 300 MB
텍스트 음성 변환	전송량 기준 약 64 MB	생성당 500자

각 다운로드는 도구당 한 번 일어나고 그다음에는 브라우저가 캐시하므로, 두 번째 방문은 곧바로 시작되고 연결도 필요 없습니다. 길이 상한이 있는 이유도 다운로드와 같습니다. 5분짜리 스테레오 트랙을 부동소수점으로 펼치면 이미 브라우저 탭 하나에 들고 있기에 큰 덩어리이고, 곡 전체라면 유료 장벽 뒤에서 줄을 서는 게 아니라 세션이 끝나 버립니다. 원하는 구간을 아무 편집 프로그램에서 먼저 잘라내고 그것을 넣으세요.

텍스트 음성 변환 모델을 정적 호스팅에 올리는 것 자체가 이 프로젝트에서 어려운 쪽 절반이었습니다. 그 이야기 — 파일당 25 MiB의 벽, 교차 출처 격리, 그리고 압축에 대해 물으면 사실과 반대로 답하는 호스팅 — 는 따로 적어 두었습니다.

노래를 두 트랙으로 나누기

보컬 제거기는 믹스를 받아 파일 두 개를 돌려줍니다. 단독 보컬과, 남은 반주입니다. 그 일을 빼기가 아니라 인식으로 해내는데, 그 구분이 여러분의 트랙에서 될지 안 될지를 결정합니다.

익숙한 무료 방식 — Audacity에 들어 있는 것 — 은 위상 상쇄입니다. 리드 보컬이 가운데 있다는 가정 아래, 좌우 채널이 공통으로 가진 것을 빼냅니다. 그럴 때도 있습니다. 그런데 킥과 베이스, 스네어도 보통 가운데에 있고, 베이스는 대략 120 Hz 아래에서 일부러 모노로 합치는 경우가 많아서 함께 빠져나갑니다. 모노 파일에서는 빼낼 대상 자체가 없고, 스테레오 잔향에 잠긴 보컬에서는 마른 목소리가 사라지고 잔향만 남아서 그냥 두는 것보다 못한 소리가 납니다. 이에 대해서는 Audacity에서 하는 방법과 되지 않는 경우를 적어 두었고, 여러분의 파일을 위한 30초 테스트도 담았습니다.

분리 모델은 노래하는 목소리가 시간과 주파수에서 어떤 모습인지 학습했기 때문에, 한쪽을 다른 쪽으로 상쇄하는 대신 각 부분을 다시 만들어 냅니다. 그래서 모노 녹음, 가운데를 벗어난 보컬, 심한 잔향도 감당하고, 반주가 저역을 지킬 수 있습니다. 못 하는 것은 믹스에 애초에 없던 세부를 만들어 내는 일입니다. 목소리와 기타가 같은 순간에 같은 좁은 대역을 차지하면 무언가를 한쪽에 배정해야 하고, 그 판단이 바로 분리 흔적의 정체입니다.

녹음에서 방을 걷어내기

노이즈 제거기는 음악이 아니라 말소리를 위한 것입니다. 녹음을 짧은 프레임으로 보면서 주파수 대역마다 얼마가 목소리이고 얼마가 방인지 추정하고, 대역별로 게인을 적용합니다. 일정하고 반복적인 소음 — 팬 웅웅거림, 에어컨, 전원 잡음, 마이크 히스 — 이 이 부류의 모델이 가장 안정적으로 읽어내는 대상입니다. 말소리는 계속 움직이는데 그 패턴은 가만히 있기 때문입니다.

이해해 둘 만한 조절기는 미세 조정이고, 감쇠 한계를 데시벨로 설정합니다. 모델이 얼마까지 제거해도 되는지의 천장입니다. 이것이 있는 이유는, 소음 제거의 나쁜 결과가 남은 히스가 아니라 물기 있고 금속성으로 씹혀 버린 목소리이기 때문입니다. 제거량에 상한을 두면 목소리가 온전히 남고 소음이 조금 남는데, 누군가 30분을 들어야 하는 자료라면 보통 그게 더 나은 거래입니다.

9초짜리 방 녹음이 노이즈 제거기 페이지 에 올라가 있고, 재생하면서 전후를 번갈아 바꿔볼 수 있습니다. 문장 사이 — 9초에 빈 구간이 27곳이고, 소음이 가장 잘 들리는 지점입니다 — 소음 바닥이 약 17 dB 내려갑니다. 말소리 자체는 들어갈 때보다 0.5데시벨 작아져 나옵니다. 어떤 소음 도구를 시험하든, 이 도구까지 포함해서 확인해야 할 숫자는 그 두 번째입니다. 녹음 전체를 줄이면 소음 바닥은 언제나 좋아 보이게 만들 수 있지만, 0.5데시벨은 그런 경우가 아닙니다.

해결하지 못하는 것은 잔향입니다. 에코는 뒤에 깔린 무엇이 아니라 목소리의 복사본이므로, 모델이 분리할 대상이 없습니다. 그건 나중에 손대는 게 아니라 마이크를 더 가까이 놓아서 해결합니다.

입력한 텍스트를 소리로 읽기

세 번째 도구는 반대 방향입니다. 텍스트가 들어가고 오디오가 나옵니다. 14개 악센트 계열에 걸쳐 목소리 19종이 있고, 생성당 500자 제한이 있습니다 — 대략 80낱말, 또는 약 30초 분량의 말소리입니다. 내레이션 한 줄이나 캡션 하나에 해당하는 양인데, 대부분의 사람이 실제로 필요한 형태가 그것이고, 긴 파일 하나를 다시 자르기보다 원고를 한 줄씩 다루는 편이 편집하기 쉽습니다.

짧은 샘플로 목소리를 복제하는 기능도 있고, 그 샘플도 여기 있는 모든 것과 같은 규칙을 따릅니다. 탭 안에서 읽히고 어디로도 보내지지 않습니다. 조용한 곳에서 녹음하세요. 복제는 음색과 함께 방과 전달 방식까지 재현하므로, 배경에 팬 소리가 있는 샘플은 팬 소리가 섞인 목소리를 만듭니다.

브라우저가 이 일에 맞지 않는 경우

• 앨범 한 장 전체. 한 번에 5분이면 웬만한 단일 곡은 담지만, 마흔 곡이면 여전히 마흔 번입니다. 일괄 작업은 켜 두고 나올 수 있는 기계에 맡기는 일입니다.
• 트랙 네 개 이상. 이 분리기는 보컬을 나머지 전부와 나눕니다. 드럼과 베이스, 다른 파트를 따로 받으려면 다른 모델이 필요하고, 탭 하나에 요구할 수준을 넘는 연산이 듭니다.
• API. 구조상 호출할 엔드포인트가 없습니다 — 일을 하는 서버 자체가 없기 때문입니다.
• 휴대폰의 데이터 요금이 걸리는 연결. 첫 다운로드는 실제 용량이고, 텍스트 음성 변환이 가장 무겁습니다.
• 섬세한 억양 조절. SSML도, 음소 편집기도, 낱말별 음높이 조절도 없습니다. 낭독을 조절하는 방법은 텍스트를 다시 쓰는 것입니다.

자주 묻는 질문