AI 보컬이 유독 날카롭고 쉿쉿거리는 이유 — 마스터링으로 되는 것과 안 되는 것
수노 커뮤니티에서 거의 매번 나오는 불만
"보컬이 너무 날카로워요." "S 발음마다 쉿쉿거려요." "코러스 전까진 괜찮은데 코러스만 가면 찌르는 느낌이에요." 수노나 유디오 크리에이터 커뮤니티를 조금만 봐도 이런 형태의 불만을 수십 번은 마주치게 됩니다. 라디오급 보컬을 기대하고 트랙을 내렸는데, 30초 만에 귀가 피로해지는 소리를 듣게 되는 가장 흔한 이유 중 하나입니다.
본능적으로는 이걸 일반적인 믹싱 문제처럼 다루게 됩니다 — 디에서를 걸고, 고음을 살짝 깎고, 넘어가는 식이죠. 가끔은 그걸로 해결됩니다. 하지만 종종 절반만 해결되고, 스트리밍용으로 트랙을 더 크게 올리는 순간 그 날카로움이 다시 스멀스멀 올라옵니다. 왜 그런지 이해하려면 스펙트럼 분석기에서 어떻게 보이는지가 아니라, 그 소리가 애초에 어디서 나오는지를 봐야 합니다.
사람 보컬의 치찰음과는 근본이 다릅니다
사람이 마이크에 노래할 때 치찰음(sibilance)은 물리적·기계적 현상입니다 — 공기가 이와 입천장을 스치며 S, T, CH 발음을 만들고, 그걸 특정 주파수 반응을 가진 다이어프램이 포착하는 것이죠. 엔지니어들은 이 구체적인 물리적 특성에 맞춰 수십 년간 도구를 발전시켜왔습니다 — 5~9kHz 대역을 겨냥한 디에서, 멀티밴드 컴프레션, 치찰 에너지가 임계값을 넘을 때만 작동하는 다이내믹 EQ까지요.
AI 생성 보컬은 이 과정에서 나오지 않습니다. 디퓨전이나 오토리그레시브 모델은 학습 데이터를 바탕으로 노래하는 음색에 가까운 파형을 합성해내는 것이고, 여기서 만들어지는 고음역 성분은 같은 물리적 제약을 따르지 않습니다. 실제로 생성되는 건 광대역 고주파 에너지나 합성 아티팩트에 가까운 경우가 많은데, 이게 치찰음과 같은 주파수 대역에 걸쳐 있어서 날카로움으로 지각되는 것입니다 — 다만 실제 스펙트럼 형태는 실제 보컬리스트의 치찰음보다 더 넓거나, 더 뾰족하거나, 음절마다 일관성이 떨어질 수 있습니다. 이것이 곡 전체에서 날카로움이 들쭉날쭉하게 느껴지는 이유이기도 합니다 — 한 단어는 날카로운데 바로 다음 단어는 괜찮은 식으로요. 사람 보컬의 치찰음은 적어도 물리적으로는 예측 가능한 패턴을 따릅니다.
라우드니스 정규화 후 왜 더 심해지는가
여기서 대부분의 크리에이터가 놀라는 지점이 있습니다. 수노·유디오 원본 익스포트에서는 그럭저럭 참을 만했던 보컬이, 마스터링하고 라우드니스를 정규화한 뒤에는 눈에 띄게 더 날카로워질 수 있습니다. 이건 착각이 아닙니다.
트랙 전체 레벨을 스트리밍 라우드니스 타깃에 맞춰 올리면, 모든 주파수 대역이 함께 커집니다 — 조용한 상태에서는 묻혀 있던 고주파 아티팩트 에너지까지 포함해서요. 사람의 청각은 재생 레벨이 올라갈수록 중고음~고음역에 훨씬 더 민감해집니다(등청감 곡선의 기본 원리로, 조용히 들을 땐 멀쩡했던 믹스가 크게 틀면 귀를 찌르는 것과 같은 이유입니다). -20 LUFS에서는 애매했던 보컬 아티팩트가 -14 LUFS에서는 확실히 피곤한 수준으로 넘어갈 수 있습니다. 그러니 "마스터링 후 더 나빠졌다"는 실제로는 "더 커졌고, 큰 소리가 조용할 때는 가려져 있던 문제를 드러낸 것"에 가깝습니다.
마스터링이 실제로 해결할 수 있는 부분
현실적으로 어디까지 되는지 짚어보면: 마스터링 단계 처리로 체감 날카로움을 유의미하게 줄일 수 있습니다. 고주파 에너지가 스파이크할 때만 감쇠하는 다이내믹 EQ(전체 보컬을 뭉개는 고정 컷과 달리), 아티팩트 에너지가 실제로 몰려 있는 지점을 정확히 겨냥한 셸빙(무조건적인 고음 롤오프가 아니라), 치찰음 인접 대역을 나머지 보컬과 분리해 다루는 멀티밴드 다이내믹스 — 이런 것들은 실제로 효과적인 도구입니다. 잘 마스터링된 AI 보컬은 피곤한 소리에서 충분히 들을 만한 소리로, 때로는 극적으로 개선될 수 있습니다.
다만 마스터링이 일반적으로 만들어낼 수 없는 것은 사람 보컬리스트가 가진 물리적 일관성입니다. 근본 생성물 자체가 진짜로 들쭉날쭉한 고주파 아티팩트를 가지고 있다면 — "yes"에서는 날카롭고 "you"에서는 깨끗한 식이라면 — 아무리 처리해도 보컬의 존재감과 명료도를 함께 죽이지 않고는 완전히 균일하게 만들 수 없습니다. "날카로움을 죽이는 것"과 "보컬 디테일을 살리는 것" 사이엔 실질적인 트레이드오프가 있고, 죽이는 쪽으로 너무 밀어붙이면 대개 보컬이 뭉개지거나 멀게 들리는 결과로 이어집니다.
실전 체크리스트
트랙을 포기하기 전에 시도해볼 만한 것들입니다:
- 과도하게 처리하기 전에 재생성부터 고려하세요. 특정 한 줄이나 단어가 유독 심하다면, 툴이 지원하는 경우 그 구간만 새로 생성하는 게 사후 처리로 고치는 것보다 더 깨끗한 소스를 얻는 방법일 수 있습니다.
- 목표 라우드니스로 마스터링하고, 그 상태에서 판단하세요. 실제로 청취될 라우드니스에서 날카로움을 평가해야 합니다(스트리밍 플랫폼은 대체로 -14 LUFS 인테그레이티드 근방을 기준으로 삼지만, 정확한 기준은 플랫폼마다 다르고 바뀔 수 있으니 최신 가이드를 직접 확인하세요). 조용한 상태에서 괜찮길 바라며 넘어가면, 날카로움이 몰래 통과해버립니다.
- 무음이 아니라 같은 장르 레퍼런스와 A/B 하세요. "이거 너무 밝은가"는 혼자서는 판단하기 어렵습니다. 같은 장르의 상용 트랙과 비교하면 고음 존재감이 정상 범위인지 과한지 실제 기준을 얻을 수 있습니다.
- 디에서 세팅 하나를 곡 전체에 과신하지 마세요. AI 보컬의 날카로움은 사람 치찰음보다 물리적 일관성이 떨어지기 때문에, 벌스에서 잘 맞는 고정 디에서 임계값이 코러스에선 부족하거나, 굳이 안 만져도 됐을 구간을 과하게 눌러버릴 수 있습니다.
Anti-AI Master에서는 AI 생성 보컬을 마스터링할 때 이 실패 패턴을 구체적으로 겨냥해 튜닝합니다 — 목표는 무조건 부드럽게 "뭉갠" 보컬이 아니라, 의도적이고 정돈된 것처럼 들리는 보컬입니다. 이 둘의 차이는 청자들도 대체로 구분해냅니다.