용어 · 쇼츠 제작 포맷

쇼츠 소리 겹과 덕킹

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.

고급분위기타이밍과 리듬

01직접 돌려 보기

‘연출 전’은 대충 시켰을 때를 가정해 만든 화면이고 실제 AI 결과와 다를 수 있다.

연출 전흔한 첫 결과
연출 후완성본
0.00초 / 4.0초

02이름으로 시키는 지시문

대충 시킴해설이 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
이름으로 시킴해설이 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
Claude Code · Codex에 그대로 붙여 넣기

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

03응용 팁

팁은 데모에서 값만 바꿔 같은 장면과 비교한 것이다. AI가 같은 결과를 내는지는 직접 해 봐야 안다.

1

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.
확인
2

다른 공장의 덕킹 값은?

같은 쇼츠 공장인데 값이 다른 이유가 궁금할 때

지시문에서
임계 0.05, 비율 6, 어택 20ms, 릴리스 350ms
이렇게 바꾸세요
임계 0.12, 비율 3, 어택 20ms, 릴리스 400ms
그러면
음악이 가장 눌린 양이 −11.5 dB 에서 −4.2 dB 로 줄고, 말할 때 음악 − 해설은 −19.3 dB 에서 −12.3 dB 가 된다. 해설이 나와도 음악이 더 크게 남는다.
확인
3

목표 음량을 낮추면?

-14 로 맞추면 진폭 천장에 걸린다고 나올 때

지시문에서
-14 로 맞추고
이렇게 바꾸세요
-17 로 맞추고
그러면
필요한 이득이 −2.6 dB 로 줄어 천장 0.841 에 걸리지 않고 −17.0 에 닿는다. 기본 -14 에서는 천장에 걸려 −16.0 에서 멈췄다. 제작 기록에도 -16 과 -17 로 맞춘 곳이 있다.
확인

04만드는 순서

각 단계의 버튼을 누르면 위의 데모가 그 단계까지의 모습으로 바뀝니다.

  1. 해설 위에 음악 깔기

    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
  2. 해설 때 음악 누르기

    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);
  3. 현장음과 효과음 더하기

    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]];
  4. 음량 -14 로 맞추기

    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

05전문용어 풀이

덕킹Ducking

해설이 나오는 동안만 음악을 자동으로 낮추고 말이 끝나면 다시 올리는 처리다. 음악을 낮게 고정하는 것과 달라서 줄 사이에 음악이 되돌아온다.

AI에게해설이 나올 때만 음악을 자동으로 누르기
사이드체인Sidechain

눌리는 소리(음악)와 누르라고 알려 주는 소리(해설)가 서로 다른 입력인 연결 방식이다. 해설이 크게 나올수록 음악이 더 줄어든다.

AI에게“해설을 사이드체인으로 음악 볼륨을 누르는 방식으로”
임계값과 비율Threshold, Ratio

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.

AI에게임계 0.05, 비율 6
어택과 릴리스Attack, Release

누르기가 걸리기까지 걸리는 시간이 어택, 풀리기까지 걸리는 시간이 릴리스다. 릴리스가 짧으면 줄 사이에서 음악이 빨리 되돌아온다.

AI에게“어택 20ms, 릴리스 350ms 로 줘”
라우드니스 목표LUFS, loudnorm

사람이 느끼는 크기에 가깝게 잰 편 전체의 음량(LUFS)을 정해 둔 값에 맞추는 일이다. ffmpeg 의 loudnorm 이 EBU R128 방식으로 해 준다.

AI에게음량 -14, 최대 true peak -1.5
진폭 천장True peak

소리가 넘으면 안 되는 최대 크기다. 목표 음량까지 올리다가 이 천장에 걸리면 목표에 못 닿거나 리미터가 눌러야 한다.

AI에게“최대 진폭이 천장을 넘으면 알려줘”

06결과를 받으면 이것부터 확인

  • 1단계에서 '말할 때 음악 − 해설' 값이 −8.7 dB 이고 음악 줄에 점선 곡선이 없다
  • 2단계에서 이 값이 −19.3 dB 로 내려가고, 해설이 나오는 자리마다 음악의 점선 곡선이 내려가는가?
  • 3단계에서 현장음과 효과음 줄이 채워지고 최대 진폭이 1.008 로 천장 0.841 을 넘는다
  • 4단계에서 막대 끝이 '목표 -14' 눈금보다 왼쪽에 있고 '진폭 천장에 걸려 목표에 못 닿음' 문구가 보인다
  • 모든 단계의 맨 아래에 '영상마다 고름' 한 줄(덕킹으로 깔기 / 목소리 있으면 배경음 없음)이 있나?

07이럴 때 쓰세요

  • 해설이 있는 쇼츠에 음악과 현장음을 얹으며 겹마다 크기와 눌리는 정도를 숫자로 정하는 일
  • 올리기 전 편 전체의 음량이 정해 둔 목표에서 얼마나 떨어졌는지 보는 검수

08같이 쓰는 용어

09근거와 확인 범위

‘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.

  • 확인sidechaincompress 는 둘째 입력이 임계를 넘으면 첫째 입력을 줄인다. 임계는 0.00097563에서 1 사이의 선형 값(기본 0.125), 비율은 1에서 20(기본 2), 어택 기본 20ms, 릴리스 기본 250ms 라고 적혀 있다. loudnorm 은 EBU R128 방식으로 통합 음량 I(범위 -70에서 -5, 기본 -24), 음량 범위 LRA(기본 7), 최대 true peak TP(기본 -2)를 목표로 삼는다. FFmpeg Filters Documentation — sidechaincompress, loudnorm
  • 확인EBU R 128 은 프로그램 전체의 통합 음량을 -23 LUFS(허용 ±0.5 LU)로 권하고 true peak 를 -1 dBTP 이하로 두라고 한다. 측정은 ITU-R BS.1770 에 바탕을 둔다. 이 페이지의 -14 는 방송 기준이 아니라 쇼츠 제작 코드의 값이다. Wikipedia — EBU R 128
  • 확인LUFS 와 LKFS 는 같은 단위를 가리키고, BS.1770 이 정의했으며 R 128 이 LUFS 라는 이름을 들여왔다. 측정 전에 주파수 가중(K 가중)을 적용하고 2011년 개정에서 게이팅이 들어갔다. 이 페이지 데모의 근사 음량은 두 가지를 모두 뺀 RMS 라서 LUFS 로 부르지 않는다(이 페이지의 처리). Wikipedia — LKFS
  • 확인2026-11-14 현재 문구. Stable volume 은 기본으로 켜져 있고 조용한 부분과 큰 부분의 차이를 줄이며, 모든 영상에 적용되지는 않는다(공식 뮤직비디오 등은 꺼짐). 음량 목표 수치(LUFS)나 업로드 파일의 목표 음량에 관한 문구는 이 페이지에 없었다. YouTube 고객센터 — Control video volume on your device
  • 확인2026-11-14 현재 문구. Voice boost 와 Stable volume 을 설명하고, 스튜디오 고급 설정의 'Let YouTube enhance audio quality' 로 앞으로 올릴 영상에 오디오 향상을 적용할지 정한다고 한다. 여기에도 LUFS 수치는 없었다. 그래서 -14 가 플랫폼이 정한 값이라고 확인하지는 못했다. YouTube 고객센터 — Video & audio quality enhancements
  • 확인[기록] 공구·자동차 쇼츠의 소리 합성. 해설, 원본 현장음 0.32배, 음악 0.5배, 녹음 효과음 네 겹. 음악은 임계 0.05, 비율 6, 어택 20ms, 릴리스 350ms 로, 현장음은 비율 4, 어택 15ms, 릴리스 300ms 로 해설에 눌린다. 마지막에 -14, true peak -1.5, LRA 9 로 맞춘다. 원본이 라이선스 음악이면 현장음을 뺀다(Content ID 주장 위험이라고 제작자의 검토 기록에 적혀 있다). 효과 검증이나 시청 성과와의 비교는 기록에 없다.
  • 확인[기록] 다른 쇼츠 공장의 합성은 값이 다르다. 임계 0.12, 비율 3, 어택 20ms, 릴리스 400ms 로 음악을 누르고, 음악 크기는 고정 배율이 아니라 해설보다 8 dB 낮게 음량으로 계산해 맞춘다. 효과음 0.6배, 리미터 0.95 를 거쳐 -14 로 맞추며 LRA 는 11 이다. 두 공장 값 중 어느 쪽이 낫다는 비교는 기록에 없다.
  • 확인[기록] 제작 공용 값 표의 음량 항목에 -14 가 5곳, -16 이 3곳, -17 이 2곳이라고 적혀 있고, true peak 는 -1.5(한쪽) 와 -2.0(다른 쪽)으로 갈린다. 표는 -14 를 채택값으로, true peak -1.5 를 미확인으로 표시했다. [측정] 시안 3편을 같은 자로 잰 음량은 -14.1, -14.0, -14.2 로 표본이 작다.
  • 확인[지시] 효과음은 녹음된 소리만 쓴다(2026-10-05 합성음 반대, 2026-11-13 결정). 목소리가 있으면 배경음을 쓰지 않는다는 결정(2026-11-13)은 이미지→영상 연출 기준이다. 쇼츠 공장은 같은 시기 코드에서 음악을 덕킹으로 깐다. 같은 제작자가 보는 채널에서 두 기준이 반대였고, 2026-11-14 에 제작자가 둘 다 두고 영상마다 고르기로 정했다. 요청서에 어느 쪽인지 적는다. 소리의 좋고 나쁨은 사람 귀가 판정한다고 기록에 적혀 있다.