Uberduck에서 커스텀 AI 캐릭터 음성 모델 학습 및 대사 생성 가이드: 게임 개발자와 성우를 위한 실무 워크플로

게임 개발자와 사운드 디자이너는 Uberduck을 활용해 고품질 드라이 보컬 샘플을 학습시키고, 전용 캐릭터 음성 모델을 구축하여 웹 스튜디오 및 개발자 API를 통해 일관된 게임 대사를 대량으로 생성할 수 있습니다. 초기 인디 게임 개발 환경에서는 Uberduck 커뮤니티에 업로드된 애니메이션이나 유명인 2차 창작 음성을 프로토타입에 활용하기도 했습니다. 그러나 윤리적 기준과 저작권 보호를 위해 Uberduck은 2023년 7월 무단 등록된 모든 제3자 캐릭터 음성을 플랫폼에서 전면 삭제했습니다. 현재 상업용 게임 제작 파이프라인에서는 성우와의 명확한 계약 및 동의를 거쳐 합법적인 전용 AI 캐릭터 음성 모델을 구축하는 것이 기본 원칙입니다.

본 가이드에서는 오디오 데이터셋 수집 규격부터 모델 학습, API 기반 대사 일괄 생성, 게임 엔진 연동까지의 전 과정을 상세히 다룹니다.

1. 캐릭터 오디오 데이터셋 구축: 음향 규격과 연기 일관성

AI 음성 복제의 정밀도는 신경망 음향 인코더에 입력되는 레퍼런스 음원의 품질에 직접적으로 좌우됩니다. 비디오 게임 캐릭터는 거친 노병의 쉰 목소리, 광기 어린 악당, 무미건조한 안드로이드 등 개성 강한 발성을 요구하는 경우가 많으므로 녹음 환경의 순도와 발성 일관성이 무엇보다 중요합니다.

녹음 엔지니어링 표준

• 음향 환경: 방음 처리된 보컬 부스나 스튜디오에서 녹음해야 합니다. 환경 노이즈 플로어는 -60 dBFS 이하를 유지해야 하며, 실내 반사음(리버브)이나 플러터 에코가 섞이지 않아야 합니다.
• 하드웨어 및 파일 포맷: 팝 필터가 장착된 대구경 콘덴서 마이크 또는 방송용 다이내믹 마이크(Shure SM7B, Neumann TLM 103 등)를 사용합니다. 24-bit, 44.1 kHz 또는 48 kHz 무압축 WAV 또는 고비트레이트 MP3 파일로 드라이 음원을 추출합니다.
• 이펙트 처리 금지: EQ, 컴프레서, 피치 보정, 노이즈 게이트, 리버브 등 후반 처리 플러그인을 일체 적용하지 마십시오. 신경망이 플러그인 처리 흔적을 타고난 음색 특성으로 오인하여 먹먹하거나 기계적인 소리를 출력하게 됩니다.

캐릭터 연기의 일관성 유지

• 공명점과 발성 유지: 캐릭터 특유의 긁는 소리나 고음 톤이 있는 경우, 성우는 전체 테이크 동안 동일한 조음 위치와 호흡 지지를 유지해야 합니다. 발성이 흔들리면 대사 간 음색이 불안정하게 변할 수 있습니다.
• 녹음 분량 권장치: Uberduck의 인스턴트 음성 복제(Instant Voice Cloning)는 3초에서 30초 분량의 깨끗한 드라이 음성만으로도 기본적인 음향 임베딩을 추출할 수 있습니다. 다만 다양한 감정선과 장문 대사에서도 안정적인 발성을 유지하려면 주요 음소와 억양 변화를 고루 담은 2~5분 길이의 캐릭터 대사 샘플을 권장합니다.

2. Uberduck에서 커스텀 캐릭터 음성 모델 학습하기

정리된 드라이 음원이 준비되면 Uberduck 플랫폼에서 모델 생성 및 테스트를 진행합니다.

1단계: 상업용 라이선스 플랜 선택

상업용 게임 출시 및 배포를 위해서는 상업적 사용 권한이 포함된 플랜을 선택해야 합니다:

• Starter 플랜 (월 $2.00, 연간 청구): 매월 1,000 크레딧과 비공개 음성 접근을 제공하지만, 비상업적 평가 및 기술 검증 용도로만 제한됩니다.
• Creator 플랜 (월 $5.00, 연간 청구): 상업용 라이선스, 월 3,600 크레딧, 개발자 API 접근 권한 및 비공개 음성 지원이 포함됩니다.
• Pro 플랜 (월 $30.00, 연간 청구): 본격적인 게임 제작 팀을 위한 플랜으로, 월 25,000 크레딧, 상업 라이선스, 전체 API 접근 권한, 커스텀 AI 음성 복제 지원 및 24시간 내 기술 지원 응답 SLA를 제공합니다.

2단계: 음성 샘플 업로드

1. Uberduck 계정에 로그인한 뒤 Voice Cloning 메뉴로 이동합니다.
2. 음성 복제 툴을 선택합니다.
3. 준비한 캐릭터 음성 WAV/MP3 파일을 업로드하거나 웹 브라우저 마이크를 통해 직접 녹음합니다.
4. 버전 관리가 용이하도록 체계적인 식별 명칭(예: NPC_Blacksmith_Gorg_v1)을 부여합니다.

3단계: 신경망 임베딩 추출 및 전용 Voice ID 발급

Uberduck의 음향 신경망이 음색, 기본 주파수 곡선, 악센트, 호흡 템포를 분석하여 전용 비공개 음성 모델로 컴파일합니다. 작업이 완료되면 고유 식별자(udzs_ 접두사와 UUID가 조합된 형태, 예: udzs_203ce9b6-98c0-447b-97c1-a253b2fe37dc)가 발급됩니다. 해당 모델은 계정의 인증 키를 통해서만 안전하게 호출할 수 있습니다.

4단계: 스튜디오 청음 및 파라미터 미세 조정

본격적인 파이프라인 연동 전에 Text-to-Speech 웹 작업실에서 대사 출력을 사전 점검합니다:

• 전투 신음, 상인 인사, 퀘스트 안내문 등 인게임 실전 대사를 입력해 봅니다.
• 판타지 고유명사나 가상 지명의 발음 자연도를 검증합니다.
• 재생 속도(Pace)와 음정(Pitch) 파라미터를 조절하여 캐릭터 설정에 최적화합니다.

3. 개발자 API를 통한 캐릭터 대사 자동 일괄 생성

수백 줄에 달하는 NPC 대사, 분기형 퀘스트 스크립트, 다국어 로컬라이제이션이 포함된 프로젝트에서는 웹 UI를 통한 수동 생성이 비효율적입니다. Uberduck의 RESTful API를 활용하면 배치 자동화를 구현할 수 있습니다.

API 호출 코드 예시

https://api.uberduck.ai/speak 또는 https://api.uberduck.ai/v1/text-to-speech 엔드포인트로 HTTP POST 요청을 보냅니다:

import axios from 'axios';

async function generateCharacterLine(scriptLine, voiceModelUuid, apiKey, apiSecret) {
  try {
    const response = await axios.post(
      'https://api.uberduck.ai/speak',
      {
        speech: scriptLine,
        voice: voiceModelUuid // 예: 'udzs_203ce9b6-98c0-447b-97c1-a253b2fe37dc'
      },
      {
        auth: {
          username: apiKey,
          password: apiSecret
        }
      }
    );

    const audioUrl = response.data.url;
    console.log('대사 음성 생성 완료:', audioUrl);
    return audioUrl;
  } catch (error) {
    console.error('API 호출 실패:', error.response ? error.response.data : error.message);
    throw error;
  }
}

대본 파이프라인 자동화

1. 구조화된 대본 관리: 대사 데이터를 JSON 또는 CSV로 구성하고 dialogue_id, character_id, voice_model_uuid, script_text 등의 필드를 지정합니다.
2. 배치 다운로드 및 변환: 미처리 대사를 순회하며 Uberduck API를 호출하고, 다운로드된 음원을 게임 프로젝트의 표준 샘플레이트로 자동 변환하는 스크립트를 작성합니다.
3. 네이밍 규칙 일치: 게임 엔진 대화 시스템 키값(예: VO_Gatekeeper_Alert_02.wav)과 1:1로 매핑하여 리소스를 패키징합니다.

4. 게임 엔진 연동 및 오디오 미들웨어 워크플로

추출된 음원 파일은 게임 엔진 내에서 공간 음향 및 안면 애니메이션과 결합됩니다:

엔진 임포트 및 압축 설정

• 타깃 플랫폼별 압축: Unreal Engine 5나 Unity에 임포트할 때 플랫폼(PC, 콘솔, 모바일)에 맞춰 적절한 압축 코덱(Ogg Vorbis, Opus, ADPCM 등)을 적용하여 음질 손실을 최소화하면서 메모리 사용량을 제어합니다.
• 오디오 미들웨어(Wwise 및 FMOD): 대사 음원을 전용 Voice 대화 버스로 라우팅합니다. 미들웨어에서 3D 공간 감쇠, 오클루전(장애물 차폐 필터), 환경 리버브(동굴 울림, 무전기 통신 필터 등)를 적용하여 합성 음성이 가상 세계에 자연스럽게 묻어나도록 만듭니다.
• 립싱크(Lip-Sync) 애니메이션 연동: 음성 파형 분석 툴(Epic Games Audio2Face, Salsa LipSync, Oculus Lipsync 등)을 활용해 안면 블렌드셰이프를 자동으로 구동합니다. Uberduck의 명확한 조음 특성은 정확한 비젬(Viseme) 데이터를 생성하여 수작업 립싱크 공수를 대폭 줄여줍니다.

5. 아키텍처 비교 및 실무 가이드라인

제작 현장 권장 사항

1. 중요 내러티브는 오프라인 렌더링 원칙 고수: 메인 퀘스트와 영웅 캐릭터 대사는 오프라인에서 사전 생성하여 음향 감독의 검수를 거쳐야 하며, 런타임 실시간 생성은 자유도가 높은 실험적 NPC 콘텐츠로 한정하는 것이 안전합니다.
2. 성우 AI 음성 활용 계약 체결: 모델 학습에 참여하는 성우와 상업 게임 내 AI 음성 생성 권한 범위를 명시한 정식 계약을 체결하십시오. 무단 수집 음원 사용은 플랫폼 이용 약관 및 법적 책임을 수반합니다.
3. 크레딧 예산 관리: Pro 플랜(월 25,000 크레딧)을 운용할 때 대규모 다국어 녹음이나 스크립트 수정 작업이 몰리는 개발 막바지에는 사전 배치 일정을 수립하여 크레딧 고갈로 인한 파이프라인 중단을 예방하십시오.

참고 자료

• Pricing Plans | Uberduck
• Free AI Voice Cloning | Uberduck
• What happened to the voice of X character? | Uberduck