음악이 해설을 덮는 것 같은데?
음악 때문에 해설이 묻힌다는 말을 들었을 때
- 지시문에서
- 음악을 0.5배로
- 이렇게 바꾸세요
- 음악을 0.25배로
- 그러면
- 말할 때 음악 − 해설이 −19.3 dB 에서 −25.3 dB 로 6.0 dB 더 벌어진다. 음악이 가장 눌린 양(−11.5 dB)은 그대로다.
Shorts Audio Ducking
해설, 현장음, 음악, 효과음 네 겹의 소리를 어떤 순서와 크기로 쌓는지 정리한다. 해설이 나올 때 음악을 누르는 덕킹, 음량 목표 -14, 목소리가 있으면 배경음을 쓰지 않는다는 다른 기준과의 충돌까지 다룬다. 소리는 들을 수 없으니 파형과 숫자로만 말한다.
‘연출 전’은 대충 시켰을 때를 가정해 만든 화면이고 실제 AI 결과와 다를 수 있다.
해설이 잘 들리게 음악 적당히 깔고 소리 크기는 알아서 맞춰줘→ 음악 크기와 눌리는 정도가 정해지지 않아 해설과 음악의 차이가 편마다 달라지고, 음량은 어느 값에 맞췄는지 알 수 없는 채로 나온다
해설이 나올 때 음악을 임계 0.05, 비율 6, 어택 20ms, 릴리스 350ms 로 누르고, 음악 0.5배, 현장음 0.32배, 효과음은 녹음 파일만. 믹스는 -14 로 맞추되 최대 진폭이 0.841 을 넘으면 표시해 줘→ 말할 때 음악이 해설보다 8.7 dB 아래에서 19.3 dB 아래로 벌어지고, 음량 목표 -14 가 진폭 천장에 걸려 -16.0 에서 멈추는 장면이 숫자로 보이는 데모
장면: 8초짜리 공구 시연 쇼츠의 소리를 파형으로만 보여 주는 화면을 코드로 그린다(640x360 무대, 어두운 초록 배경). 재생 버튼과 Web Audio 는 쓰지 않는다. 맨 위 왼쪽에 제목 '8초 쇼츠의 소리 네 겹', 오른쪽 위에 단계 이름표. 시간축은 0초에서 8초까지이고 노란 재생선이 왼쪽에서 오른쪽으로 파형을 그려 나간다.
배치: 화면 전체 폭에 파형 줄 다섯 개를 위에서 아래로 쌓는다. 해설(말 4줄), 음악(제일 높은 줄), 현장음, 효과음(녹음 파일 자리), 믹스 순서이고 줄 이름은 왼쪽 위에 적는다. 파형 아래에는 칸 두 개를 나란히 둔다. 왼쪽 칸은 해설과 음악의 차이, 오른쪽 칸은 음량 맞추기 결과다. 맨 아래에 작은 글씨 한 줄.
소리 겹: 1단계는 해설 위에 음악을 0.5배로 그대로 깐다. 현장음과 효과음 줄에는 '아직 없음'이라고 적는다. 3단계에서 현장음 0.32배와 효과음(시작 타격, 줄 앞 휘익, 공개 직전 상승음 1.1초 뒤 타격)을 더한다.
덕킹: 2단계부터 해설이 나올 때 음악을 자동으로 누른다. 임계 0.05, 비율 6, 어택 20ms, 릴리스 350ms. 눌린 정도는 음악 줄 위에 점선 곡선으로 겹쳐 그리고 '이득 0에서 −14 dB' 라고 적는다. 3단계의 현장음은 임계 0.05, 비율 4, 어택 15ms, 릴리스 300ms.
음량: 4단계에서 믹스의 근사 음량(RMS)을 -14 로 맞추고, 최대 진폭이 0.841(-1.5dB)을 넘으면 목표에 못 닿았다고 표시한다.
표시: 왼쪽 칸에는 '말할 때 음악 − 해설'(음악이 해설보다 몇 dB 낮은지)을 큰 숫자로, 그 아래에 '음악이 가장 눌린 양'을 적는다. 오른쪽 칸에는 '믹스 근사 음량 (RMS, LUFS 아님)'을 큰 숫자로 적고, 옆에 -30에서 -5까지의 가로 막대와 '목표 -14' 눈금을 둔다. 그 아래에 목표까지 남은 dB 또는 '진폭 천장에 걸려 목표에 못 닿음'을, 오른쪽 끝에 '최대 진폭 / 천장 0.841'을 쓴다. 재생이 끝나기 전에는 숫자 자리에 '재는 중'을 둔다. 맨 아래 줄은 '영상마다 고름: 덕킹으로 깔기(제작 기록) / 목소리 있으면 배경음 없음(제작자 지시)'. 숫자는 모두 코드가 계산한다. 연출 전은 1단계 그대로 둔다.
금지: 소리가 좋다고 말하는 것, 근사 음량을 LUFS 라고 쓰는 것, 숫자를 손으로 적는 것.
구현에 쓰이는 기술: 해설을 사이드체인 입력으로 삼아 음악과 현장음의 크기를 줄인다(ffmpeg 의 sidechaincompress)음악 0.5배, 현장음 0.32배를 먼저 곱한 뒤 덕킹에 넣고, 녹음 효과음은 눌리지 않게 따로 더한다해설, 음악, 현장음, 효과음을 amix 로 합치고 loudnorm 으로 -14, 최대 true peak -1.5 에 맞춘다이 데모는 해설의 10ms 평균 크기를 임계와 비교하는 단순 모델이고 ffmpeg 의 계산과 같지 않다
팁은 데모에서 값만 바꿔 같은 장면과 비교한 것이다. AI가 같은 결과를 내는지는 직접 해 봐야 안다.
음악 때문에 해설이 묻힌다는 말을 들었을 때
같은 쇼츠 공장인데 값이 다른 이유가 궁금할 때
-14 로 맞추면 진폭 천장에 걸린다고 나올 때
각 단계의 버튼을 누르면 위의 데모가 그 단계까지의 모습으로 바뀝니다.
해설 네 줄 위에 음악을 0.5배로 고정해 깐다. 말할 때 음악이 해설보다 8.7 dB 낮고, 해설이 있든 없든 음악 크기는 같다. 듣기에 괜찮은 값인지는 화면이 알려 주지 못한다. 시험 신호에서 나온 값이라 실제 편에서는 달라진다.
const MUSIC_VOL = 0.5; // 음악 배율 mix[i] = voice[i] + music[i] * MUSIC_VOL; // 덕킹 없음
해설 신호가 임계 0.05 를 넘은 만큼을 비율 6 으로 줄여 음악에 건다. 어택 20ms, 릴리스 350ms 로 따라간다. 말할 때 음악 − 해설이 −19.3 dB 로 벌어지고, 음악은 가장 많이 −11.5 dB 눌린다. 줄 사이 0.45초 동안에는 이득이 −10.4 dB 에서 −2.9 dB 까지만 돌아와서 음악이 다음 줄 전에 다 올라오지 못한다. 이 값들은 제작 코드에 적힌 것이고 효과가 증명된 것은 아니다.
const THRESH = 0.05, RATIO = 6; // 임계(선형), 비율 const ATTACK = 20, RELEASE = 350; // ms const reduction = -Math.max(0, db(voiceRms) - db(THRESH)) * (1 - 1 / RATIO);
현장음을 0.32배로 깔고 해설 때 비율 4 로 누른다. 효과음은 시작 타격, 줄 앞 휘익(0.12초 앞), 공개 직전 상승음과 그 1.1초 뒤 타격 순서다. 화면의 효과음 줄은 모양만 보이는 자리표시이고 실제 제작에는 녹음 파일만 쓴다. 이 단계에서 믹스의 근사 음량은 −14.4 dB 이고 최대 진폭 1.008 은 천장 0.841 을 이미 넘는다. 원본이 라이선스 음악이면 현장음을 빼는 규칙도 코드에 있다.
const FIELD_VOL = 0.32; const F_THRESH = 0.05, F_RATIO = 4, F_ATTACK = 15, F_RELEASE = 300; const EV = [['hit', 0, 0.8], ['whoosh', start2 - 0.12, 0.7], ['riser', peak - 1.1, 0.6], ['hit', peak, 0.9]];
믹스 전체를 -14 로 맞추려 이득을 구하지만 최대 진폭이 천장 0.841 에 걸려 −1.6 dB 만 줄이고 −16.0 에서 멈춘다. 이 데모의 단순 계산 결과다. 실제 제작에서는 loudnorm 이 true peak −1.5 를 지키며 처리하고, 시안 세 편을 같은 자로 재 보니 −14.1, −14.0, −14.2 였다. 표본이 작다. YouTube 도움말은 -14 라는 수치를 말하지 않는다.
const TARGET = -14; // 이 데모는 RMS 근사 let G = TARGET - measured; if (peak * 10 ** (G / 20) > PEAK_CEIL) G = db(PEAK_CEIL / peak); // 천장에 걸리면 목표를 못 채운다
해설이 나오는 동안만 음악을 자동으로 낮추고 말이 끝나면 다시 올리는 처리다. 음악을 낮게 고정하는 것과 달라서 줄 사이에 음악이 되돌아온다.
눌리는 소리(음악)와 누르라고 알려 주는 소리(해설)가 서로 다른 입력인 연결 방식이다. 해설이 크게 나올수록 음악이 더 줄어든다.
임계는 이 크기를 넘으면 누르기 시작한다는 선이고(ffmpeg 에서는 0에서 1 의 선형 값), 비율은 넘은 만큼을 몇 대 1 로 줄일지다. 비율 6 은 6dB 넘은 소리를 1dB 만 남긴다.
누르기가 걸리기까지 걸리는 시간이 어택, 풀리기까지 걸리는 시간이 릴리스다. 릴리스가 짧으면 줄 사이에서 음악이 빨리 되돌아온다.
사람이 느끼는 크기에 가깝게 잰 편 전체의 음량(LUFS)을 정해 둔 값에 맞추는 일이다. ffmpeg 의 loudnorm 이 EBU R128 방식으로 해 준다.
소리가 넘으면 안 되는 최대 크기다. 목표 음량까지 올리다가 이 천장에 걸리면 목표에 못 닿거나 리미터가 눌러야 한다.
‘확인’은 출처 문서에서 사실로 확인한 내용, ‘추정’은 결과물을 보고 추론한 내용, ‘원본 없음’은 흔히 쓰이지만 대표 원본 사례를 확인하지 못해 성공 사례로 제시하지 않은 기법이다.