해설이 1초에 몇 글자 나오는지를 숫자로 정해 두는 일이다. 같은 대본이라도 이 값에 따라 편 길이가 달라진다. 제작 기록에는 이 값이 다섯 가지로 남아 있어서, 어느 것을 쓸지 정해야 한다.
중급타이밍과 리듬데이터 표현
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 시킴말을 좀 빠르게 해줘→ ‘빠르게’가 몇 자/초인지 정해지지 않아 줄마다 속도가 제각각으로 나오고, 기록상 긴 지시문은 3줄 중 1줄에서 지시문까지 읽혔다
이름으로 시킴해설 속도는 글자 수 ÷ 말한 초로 재고, 20자 이상인 줄에만 짧은 녹음 지시를 붙이고, 줄마다 7.5~8.5자/초에 닿도록 0.85~1.45배로 맞춘 뒤 편 길이가 15~50초인지 보여 줘→ 줄별 길이 막대와 자/초, 전체 6.97자/초, 편 길이 24.7초, 배속 한도에 막힌 줄 5개가 코드로 계산되어 나오는 화면
Claude Code · Codex에 그대로 붙여 넣기
8줄짜리 쇼츠 해설을 녹음한 결과를 줄마다 재서 보여 주는 화면을 만들어줘.
속도는 글자 수(공백과 문장부호는 뺀다)를 말한 초로 나눈 값이고 단위는 자/초다.
지시 없이 녹음하면 1초에 4.3자쯤, 지시를 붙이면 8.61자쯤 나온다고 가정한다.
녹음 지시는 20자 이상인 줄에만 붙인다.
목표 범위는 7.5~8.5자/초이고, 범위 밖인 줄은 배속 0.85에서 1.45 사이로 맞춘다.
마지막에 전체를 1.0배로 둔다(공구·차 공장은 0.94배).
화면 왼쪽에는 줄마다 한 칸씩 8칸을 쌓는다. 칸마다 줄 번호, 대본 앞 일곱 글자, 길이 막대(눈금 하나가 글자 하나), ‘글자 수와 초’, 자/초를 적고 모두 코드로 계산한다. 녹음 지시를 붙인 줄에는 ○, 목표 범위 밖인 줄에는 삼각형(너무 빠르면 위쪽 방향)을 붙인다.
화면 오른쪽에는 큰 숫자 셋을 둔다. 전체 속도에는 목표 띠와 낭독 연구에서 가져온 값 눈금 둘을, 편 길이(15~50초 벽)에는 벽 눈금을 붙이고, 목표 범위 안인 줄은 ‘N / 8’로 적는다.
연출 전은 지시 없이 녹음한 그대로. 금지: 손으로 적은 숫자, ‘빠르게 읽어 줘’ 한마디로 끝내기.
구현에 쓰이는 기술: 글자 수는 한글, 영문, 숫자만 센다(공백과 문장부호 제외)말한 구간 초는 받아쓰기(faster-whisper)가 돌려준 문장 조각의 시작과 끝을 더해 구한다줄 속도가 범위 아래면 하한 ÷ 속도(최대 1.45배), 위면 상한 ÷ 속도(최소 0.85배)를 배속으로 건다편 길이는 줄마다 max(말 시간 + 앞뒤 숨 0.45초, 화면이 보여야 하는 시간)를 더해 구한다
03응용 팁
팁은 데모에서 값만 바꿔 같은 장면과 비교한 것이다. AI가 같은 결과를 내는지는 직접 해 봐야 안다.
1
더 차분한 해설이 필요할 때
느린 호흡의 해설이 맞는 형식이라는 말을 들었을 때
지시문에서
7.5~8.5자/초
이렇게 바꾸세요
5.3~6.0자/초
그러면
3단계에서 범위 안인 줄이 3개에서 5개로 늘고 전체는 6.00자/초, 편 길이는 28.1초가 된다. 지시로 빨라진 3줄은 배속 하한 0.85에 막혀 6.6~7.3자/초에 남는다.
확인
2
짧은 줄만 계속 느리다면?
짧은 줄이 목표보다 느리게 나온다고 표에 찍혔을 때
지시문에서
20자 이상인 줄에만
이렇게 바꾸세요
8자 이상인 줄에만
그러면
8줄 모두에 지시가 붙는다. 3단계에서 범위 안인 줄이 3개에서 8개로 늘고, 배속 한도에 막힌 줄은 5개에서 0개가 된다. 편 길이는 24.7초에서 21.3초로 줄어든다. 짧은 줄에 지시를 붙이면 지시문을 읽을 위험이 있다는 기록이 있는데, 화면은 그 위험을 계산하지 않는다.
확인
04만드는 순서
각 단계의 버튼을 누르면 위의 데모가 그 단계까지의 모습으로 바뀝니다.
지시 없이 녹음한 그대로
같은 8줄을 지시 없이 녹음했다고 가정하면 줄마다 4자/초 안팎이다. 가정값은 4.3이고 줄마다 ±10%씩 다르다. 전체는 4.19자/초, 편 길이는 38.7초이고 8줄 모두 목표 범위(7.5~8.5)보다 느리다. 제작 기록에는 지시 없는 원음이 4.39, 4.50, 4.68자/초로 나온 사례가 있다. 한 편의 19자 줄 3번을 한 목소리로 잰 값이다.
const units = (s) => s.replace(/[^가-힣A-Za-z0-9]/g, '').length;
const cps = units(line) / talkSeconds; // 자/초
녹음 지시를 붙임
20자 이상인 줄 3개에 짧은 지시를 붙이면 그 줄들은 7.8~8.6자/초로 올라간다. 지시를 붙인 속도 8.61자/초는 가정값이다. 같은 3줄이 실제 시험에서 5.49에서 8.61로 오른 값을 빌렸다. 그러면 전체는 5.49자/초, 편 길이는 30.4초가 된다. 목표 범위 안은 2줄뿐이다. 짧은 5줄은 지시 없이 4자/초 안팎으로 남는다. 긴 서술형 지시는 3줄 중 1줄에서 지시문을 읽었다. 그래서 지시는 짧게 쓴다. 6줄 시험에서는 짧은 지시를 붙인 줄이 모두 대본만 읽었다.
const noted = n >= NOTE_MIN; // 20자 미만 줄은 지시를 안 붙인다
const raw = (noted ? FAST : NAT) * jitter;
줄마다 배속 맞춤
녹음한 뒤 줄마다 실제 속도를 재서, 범위 아래면 하한 ÷ 속도(최대 1.45배), 위면 상한 ÷ 속도(최소 0.85배)를 건다. 여기서는 3줄이 범위 안에 들어오고, 5줄은 한도에 막혀 5.9~6.5자/초에 머문다. 전체는 6.97자/초, 편 길이는 24.7초다. 4.3자/초로 녹음된 줄은 1.45배를 걸어도 6.2까지만 간다. 코드 주석도 배속보다 녹음 지시가 주 수단이라고 적었다. 목표 값은 형식마다 달라서 하나로 못 박지 않고, 정본은 결정 대기로 남긴다. 공용은 7.5~8.5, 공구·차는 6.7~8.1이다. 고정 인물은 5.3~6.0이다. 1.45배 한도의 근거 실험은 찾지 못했다.
if (raw < LO) tempo = Math.min(MAX_T, LO / raw);
else if (raw > HI) tempo = Math.max(MIN_T, HI / raw);
sec = sec / tempo / SLOWER;
05전문용어 풀이
말 속도Speaking rate
해설이 1초에 몇 글자 나오는지를 센 값이다. 여기서는 공백과 문장부호를 뺀 글자 수를 말한 초로 나눈다.
AI에게“자/초로 줄마다 재서 7.5에서 8.5 사이인지 알려줘”
말한 구간Talk seconds
받아쓰기가 돌려준 문장 조각의 시작부터 끝까지를 더한 시간이다. 문장 사이 쉼은 빠지고, 문장 안의 쉼은 들어간다.
AI에게말한 구간 기준, 영상 길이로 나누지 말 것
해설 밀도Narration density
영상 전체 길이 대비 글자 수다. 음악만 나오는 구간이 길면 말 속도가 같아도 낮게 나온다.
AI에게“영상 전체 길이로 나눈 자/초도 같이 구해줘”
조음 속도Articulation rate
쉬는 시간을 빼고 말하는 동안만 잰 음절 속도다. 쉬는 시간까지 넣으면 말 속도라고 부른다.
AI에게휴지 제외 조음 속도와 휴지 포함 말 속도 둘 다
녹음 지시Style instruction
음성 모델에게 말투와 빠르기를 글로 알려 주는 짧은 메모다. 대본과 섞이면 메모를 읽어 버릴 수 있어서 대본과 분리한다.
AI에게“Pace: fast. 아래 한국어 대본만 글자 그대로 읽을 것”
배속 한도Tempo clamp
줄마다 속도를 맞추려고 거는 배속의 상하한이다. 이 저장소는 0.85에서 1.45배로 묶는다. 한도를 넘는 줄은 범위 밖에 남는다.
AI에게배속 0.85~1.45, 범위 밖인 줄 개수 보고
두 번 읽기 검사Retry stretch
녹음된 원음이 목표 길이의 1.6배를 넘으면 지시문을 읽었거나 대본을 두 번 읽은 것으로 보고 다시 녹음하는 검사다. 배속을 걸기 전의 원음으로 잰다.
AI에게“원음이 목표의 1.6배를 넘으면 다시 녹음해줘”
06결과를 받으면 이것부터 확인
1단계에서 8줄 모두 속도가 4자/초 안팎이고 목표 범위 안인 줄이 0개이며 편 길이는 38.7초다
2단계에서 ○ 표시가 붙은 줄은 3개인데 그중 범위 안에 든 줄은 2개뿐인가?
3단계의 ‘목표 범위 안인 줄’ 숫자가 3 / 8로 읽힌다
3단계 오른쪽 아래 문구가 ‘배속 한도(0.85~1.45)에 막힌 줄 5’로 바뀐다
편 길이가 38.7초, 30.4초, 24.7초로 줄어도 세 단계 모두 15~50 눈금 사이에 있나?
전체 속도 눈금에서 연구 표시 4.82와 5.99가 목표 띠(7.5~8.5)보다 왼쪽에 놓인다
‘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.
확인한국 표준 음성 자료의 화자 412명이 문단을 낭독한 4,528개 발화를 쟀다. 휴지를 포함한 말 속도는 평균 4.82음절/초, 휴지를 뺀 조음 속도는 5.99였다. 청년층(평균 26세)은 5.45와 6.72, 장년층(평균 55.6세)은 4.24와 5.29다. 한글 한 글자가 음절 하나에 가까워 자/초와 견줄 수 있지만 낭독 과제라 쇼츠 해설과 같은 말하기는 아니다(페이지의 해석). 이나라 외(2017) — 지역·성별·세대에 따른 한국어 말 속도, 말소리와 음성과학 9(1)
확인Gemini 음성 생성에는 속도를 숫자로 넣는 칸이 없다. 턴 단위 style 칸에 ‘speaking rapidly’ ‘speaking slowly’처럼 말로 적는다고 한다. 대본은 글자 그대로 읽히므로 연기 지시는 대본 안이 아니라 style 에 두라고 적혀 있다. Google AI Studio — 음성 생성(Speech generation)
확인Cloud Text-to-Speech 의 AudioConfig 에는 speakingRate 가 있고 0.25에서 2.0까지, 기본 1.0은 그 목소리의 원래 속도라고 한다. 이 공장이 쓰는 Gemini 음성과는 다른 서비스라 값을 그대로 옮길 수 없다. Google Cloud — Text-to-Speech AudioConfig
확인[측정] 2026-10-07 받아쓰기(faster-whisper small, 글자 수 ÷ 말한 구간 초)로 18편을 쟀고 글자 수 40 이상인 8편의 중앙값은 7.2(사분위 6.05~8.15)였다. 한국어 설명형 5편만 보면 6.86~9.11, 중앙 7.96이고 공용 목표 7.5~8.5는 이 5편에서 나왔다. 5편을 고른 기준은 기록에 없다. 상한을 9.0에서 8.5로 내린 것은 9.1자/초 줄에서 받아쓰기가 한 구절을 잘못 받아 적은 1건에 근거한다. 당시 이 공장은 4.9~6.0이었다고 코드 주석에 적혀 있다(원자료는 찾지 못함).
확인[측정] 2026-11-02 국내 공구·자동차 쇼츠 상위 29편과 실패 9편. 자는 유튜브 자동 자막 글자 수 ÷ 영상 길이라 위 받아쓰기 자와 다르다. 상위 25% 8.1, 중앙 7.5, 하위 25% 6.7, 실패 중앙 5.7이어서 목표를 6.7~8.1로 잡았다. 0.94배는 제작자의 ‘아주 조금만 늦추자’ 지시([지시], 2026-11-02)다.
확인[측정] 2026-10-28 같은 세 채널의 성공 30편과 실패 12편(받아쓰기 글자 ÷ 말한 초). 중앙 5.64 대 6.59, AUC 0.28로 느릴수록 성공 쪽이었다. 문서가 스스로 실패군이 채널 초기 편에 몰린 교란을 적었고, 시청층을 중장년으로 해석했지만 나이는 잰 값이 아니다 [추정]. 설계 단계로 이 형식의 영상은 아직 없다.
확인[측정] 2026-10-11 영상 전체 길이 대비 글자 수(해설 밀도). 터진 시연 영상 25편 중앙 7.67, 안 터진 27편 7.17이라 두 집단 차이가 작았다. 우리 재편집 7편은 2.5이고 말한 시간이 영상의 0.73이었다. 위 공구·차 표는 말 속도가 성공과 실패를 갈랐다고 적었다. 표본과 자가 달라 결과가 다르다.
확인[기록] 값이 다섯 가지다: 공용 코드 7.5~8.5, 지시서 토큰 7.5(코드 상한 8.5와 같은 이름에 다른 값), 공구·차 6.7~8.1, 고정 인물 5.3~6.0, 가전 롱폼 6.0. 재는 자도 둘이라 값끼리 바로 견줄 수 없다. 잠정은 ‘값 하나로 못 박지 않고 형식마다 값과 재는 자를 함께 적는다’이고, 어느 값을 정본으로 할지는 결정 대기(제작자 몫)다.
확인[측정] 지시 없이 녹음하면 5.49, 짧은 지시를 붙이면 8.61자/초(같은 3줄, 2026-10-07). 긴 서술형 지시는 3줄 중 1줄에서 지시문을 소리 내어 읽었고, 짧은 지시에 ‘대본만 글자 그대로’를 붙이면 6줄 모두 대본만 읽어 7.7~8.8이 나왔다. [기록] 20자 미만 줄은 지시를 안 붙인다(대본보다 메모가 길면 메모를 읽는다). 지시 없는 원음은 4.39, 4.50, 4.68이 나온 사례가 있다(2026-10-08, 19자 줄 3번).