AI 음악의 숨겨진 노이즈 플로어

AI 생성 음악에서 '침묵'은 생각보다 조용하지 않습니다.

Suno나 Udio로 만든 트랙을 스펙트럼 분석기로 살펴보세요. 조용한 구간 — 코러스 직전의 여백, 마지막 음이 사라진 후의 공간 — 을 들어보면 무언가 있습니다. 실제 악기로 녹음된 음악의 그 자리에는 거의 아무것도 없습니다. 스튜디오 룸 노이즈나 마이크 자체 잡음이 아주 조금 있을 뿐이죠. 하지만 AI 생성 오디오에서 그 빈 공간은 채워져 있습니다.

이것이 노이즈 플로어 문제이고, 마스터링과 유통 과정에서 실질적인 결과로 이어집니다.

무슨 일이 벌어지고 있는 걸까요

AI 오디오 생성기는 소리를 녹음하지 않습니다. 통계적으로 합성합니다. 학습 데이터의 패턴을 기반으로 스펙트럼을 한 조각씩 만들어냅니다. 모델은 음악이 어떤 소리인지 배웠지만, '음악 사이의 빈 공간'이 학습 데이터에서 어떻게 생겼는지도 함께 배웠습니다.

그 학습 데이터는 실제 녹음으로 가득했습니다. 실제 녹음에서 조용한 구간은 특유의 스펙트럼 특성을 가집니다. 룸 톤, 마이크 노이즈, 전기 잡음 같은 것들이죠. 모델은 그 특성을 음악과 함께 흡수했습니다. 그 결과 AI 생성 오디오는 진정한 침묵을 만들지 못합니다. 녹음된 침묵이 어떻게 들리는지를 합성한 버전을 만들어냅니다 — 신호 아래에 깔려 절대 사라지지 않는 광대역 헤이즈(haze)입니다.

AI 음악을 많이 처리하는 마스터링 엔지니어들은 이 헤이즈를 알아보기 시작합니다. 질감이 있습니다. 확산된 느낌, 중음과 고음 스펙트럼 전반에 걸쳐 부자연스럽게 균일하게 퍼져 있고, 실제 룸 톤에서 들리는 유기적인 변화가 없습니다. 특정 곡의 결함이 아닙니다. 이 시스템들이 오디오를 생성하는 방식의 구조적인 특성입니다.

마스터링하면 왜 더 크게 들릴까요

원본 AI 오디오의 노이즈 플로어는 일반 청취로는 드러나지 않을 만큼 조용합니다. 문제는 마스터링 과정에서 드러납니다.

마스터링은, 여러 의미에서, 다이내믹 레인지를 줄이는 과정입니다. 조용한 구간을 큰 구간에 가깝게 끌어올려 트랙 전체가 일관되게 에너지 있게 들리도록 합니다. 다이내믹한 트랙에 컴프레서를 적용하면 자연스럽게 조용한 구간의 레벨을 올리게 되는데, 여기에는 음표 사이의 빈 공간도 포함됩니다. 컴프레서가 조용한 구간을 끌어올릴 때, 그 구간의 모든 것을 동등하게 올립니다 — 리버브 테일, 코드의 서스테인, 그리고 그 아래에 깔려 있던 스펙트럴 헤이즈까지.

이것을 공격적으로 하거나, AI의 내부 다이내믹이 이미 압축된 트랙에서 하면, 헤이즈가 가청 범위에 들어옵니다. 특정한 톤이나 아티팩트로서가 아니라, 배경에 항상 무언가가 있어서는 안 될 것이 있는 것처럼 느껴지는 질감으로.

이것이 많은 크리에이터들이 AI 트랙을 직접 마스터링할 때 느끼는 현상을 설명합니다. 마스터를 더 크게 밀수록 믹스가 '더 바빠'지거나 '덜 선명해'지는 느낌. 악기 편성은 바뀌지 않았습니다. 바뀐 것은 처리 과정이 스펙트럴 헤이즈를 가청 영역으로 끌어올렸다는 것입니다.

구조적 다이내믹의 압축

마스터링이 드러내는 또 다른 관련 문제가 있습니다. AI 트랙은 종종 엔지니어들이 '매크로 다이내믹'이라고 부르는 것이 부족합니다 — 곡 구조 전반에 걸쳐 에너지가 자연스럽게 오르내리는 흐름입니다. 버스는 코러스와 달리 느껴져야 합니다. 드롭은 빌드업보다 더 강하게 치고 들어와야 합니다. 이러한 구조적 대비가 곡이 어딘가로 나아가는 느낌을 줍니다.

실제 녹음은 이것을 퍼포먼스를 통해 달성합니다 — 뮤지션들이 더 세게 연주하고, 보컬리스트들이 더 밀어붙입니다. AI 생성은 트랙 전반에 걸쳐 더 균일한 에너지를 만드는 경향이 있습니다. 조용한 부분이 그리 조용하지 않고, 큰 부분이 그리 크지 않습니다. 마스터링이 스트리밍에서 경쟁력 있는 라우드니스로 전체 트랙을 끌어올리려 할 때, 단순히 모든 것을 올리는 방식으로는 불가능합니다. 가장 큰 피크가 클립되기 전에 여유 공간이 거의 없기 때문입니다. 대신 컴프레션과 리미팅이 무거운 일을 하게 되고, 이는 원래 존재하던 매크로 다이내믹 아크를 더욱 감소시킵니다.

이것은 노이즈 플로어와는 다른 문제지만, 상호작용합니다. 다이내믹 레인지가 더 큰 트랙은 더 가벼운 컴프레션으로 마스터링할 수 있고, 이는 노이즈 플로어를 덜 건드립니다. 압축된 구조의 트랙은 더 강하게 마스터링해야 하고, 이는 헤이즈를 더 끌어올립니다. 압축된 구조와 두드러지는 노이즈 플로어 두 가지 문제를 모두 가진 트랙은 특히 다루기 어렵습니다.

실질적으로 무엇을 의미하는가

이것이 AI 생성 음악을 잘 마스터링할 수 없다는 뜻은 아닙니다. 마스터링 접근 방식이 녹음된 음악과 다른 특성들을 고려해야 한다는 의미입니다.

가장 중요한 조정은 작업하는 파일에서 헤드룸이 실제로 어디에 있는지 이해하는 것입니다. AI 트랙에 스펙트럴 헤이즈로 가득 찬 조용한 인트로가 있다면, 강한 컴프레션은 곡이 시작하기도 전에 그 헤이즈를 끌어올릴 것입니다. 잘 보정된 마스터는 트랙의 시작을 본문과 다르게 처리합니다.

이퀄라이제이션도 중요합니다. AI 오디오의 스펙트럴 헤이즈는 중음과 고음 범위에 집중되는 경향이 있습니다 — 귀가 가장 민감한 주파수 대역입니다. 그 범위에서 정밀하게 선택적으로 감소시키면 트랙을 둔하게 만들지 않으면서 블러 인식을 줄일 수 있습니다.

Anti-AI Master에서는 이러한 특성을 고려한 전문 처리를 AI 생성 트랙에 적용합니다. 녹음된 음악에 사용하는 것과 동일한 체인을 적용하는 대신, AI 생성기가 실제로 만드는 것의 구조적 특성에 맞게 접근 방식을 조정합니다 — 압축 하에서 노이즈 플로어가 어떻게 동작하는지를 포함해서.

유통에 대한 시사점

스트리밍 플랫폼은 트랙을 타겟 라우드니스 레벨로 정규화하는데, 이는 과도하게 크게 마스터링된 트랙이 청취자에게 더 크게 들리지 않는다는 것을 의미합니다 — 단지 볼륨이 내려갈 뿐입니다. 정규화에서 살아남는 것은 처리의 품질입니다. 마스터가 얼마나 깨끗하게 들리는지, 매크로 다이내믹이 얼마나 잘 보존되었는지, 아티팩트가 가청 범위로 끌어올려지지 않았는지.

낮은 재생 볼륨에서도 깨끗하게 들리고, 섹션 간 실제 다이내믹 대비가 있는 트랙은, 강하게 밀리고 컴프레션되어 노이즈 플로어가 표면 바로 아래에서 맴도는 트랙보다 정규화 후에도 더 잘 버팁니다.

AI 오디오의 노이즈 플로어를 이해하는 것은 단순한 기술적 각주가 아닙니다. 트랙이 실제로 무엇을 담고 있는지, 그리고 잘 설계된 마스터링 체인이 그것으로 무엇을 해야 하는지를 이해하는 일부입니다.