자신만의 시그니처 AI 커버 곡을 제작하거나 가상 캐릭터 더빙, 맞춤형 텍스트 음성 변환(TTS)을 구현하려는 콘텐츠 크리에이터에게 Jammable(구 Voicify AI)은 가장 진입장벽이 낮은 클라우드 기반 AI 보이스 플랫폼입니다. 별도의 고성능 그래픽카드나 복잡한 코딩 설정 없이도 웹 브라우저에서 단 몇 분 만에 음성 모델을 학습시킬 수 있습니다. 하지만 Jammable의 자동화된 클라우드 파이프라인은 입력 데이터의 결함을 자동으로 고쳐주지 못합니다. 배경 반주 잔향이나 방 안의 울림(리버브), 주변 소음이 섞인 오디오를 그대로 업로드하면 신경망이 이를 고유 음색의 일부로 학습하여 금속성 기계음, 떨림 현상, 음정 불안정 등의 치명적인 결함이 발생합니다.
스튜디오 수준의 맑고 자연스러운 커스텀 음성 모델을 얻으려면 전문 스템(Stem) 분리 도구로 순수 보컬을 추출하고 오디오 편집 소프트웨어로 잡음과 리버브를 완벽히 제거한 뒤 Jammable에 업로드하는 체계적인 전처리 워크플로가 필수적입니다.
1. 계정 요구 사항 및 Jammable 요금제 선택
음원 전처리에 착수하기 전, 사용 중인 Jammable 계정이 커스텀 음성 학습 기능을 지원하는지 확인해야 합니다.
- 무료 계정 및 Basic 플랜의 한계: 무료 계정은 기존 커뮤니티 모델의 탐색과 청취만 가능합니다. 입문용인 Basic 플랜(월 8.99달러, 첫 달 1.99달러 할인)은 라이브러리 내 음성을 활용한 무제한 AI 커버 생성과 TTS를 제공하지만, 커스텀 음성 모델 학습 기능은 포함되어 있지 않습니다.
- Creator 플랜(가장 권장): 월 24.99달러(첫 달 9.99달러 할인)의 Creator 플랜은 무제한 커스텀 AI 음성 모델 학습, 소셜 공유용 비디오 내보내기, 10만 개 이상의 전체 공개 보이스 라이브러리 접근 권한을 제공합니다. 여러 개의 캐릭터 음성이나 개인 보이스 클론을 지속해서 학습시키려는 크리에이터에게 가장 가성비가 뛰어납니다.
- Power 플랜: 월 89.99달러의 Power 플랜은 Creator 플랜의 모든 기능에 더해 초고속 우선순위 처리(12시간당 250건 렌더링)와 월 25달러 상당의 API 크레딧을 지원하여 대규모 프로덕션이나 자동화 시스템에 적합합니다.
- 일회성 보이스 패스(Voice Pass): 정기 구독 없이 단 하나의 모델만 제작하고 싶은 크리에이터는 개별 보이스 패스(1회당 약 6.99달러부터)를 구매하여 단발성으로 학습을 진행할 수도 있습니다.
2. 1단계: 순수 보컬 샘플을 위한 오디오 전처리 워크플로
Jammable의 음성 변환 신경망은 학습 파일에 담긴 모든 음향적 특성을 있는 그대로 복제합니다. 드럼 소리가 새어 들어가 있거나 코러스 하모니가 겹쳐 있으면, 모델이 노래하거나 말할 때마다 해당 불순물이 함께 출력됩니다. 따라서 업로드 전 반드시 3단계 전처리 과정을 거쳐야 합니다.
단계 A: 원본 음원 선정 및 분량 조절
- 권장 데이터셋 분량: Jammable 학습 화면에는 최소(MIN), 권장(RECOMMENDED), 최대(MAX) 구간을 나타내는 게이지 바가 있습니다. 가장 이상적인 길이는 8분에서 15분 사이의 농도 짙은 유효 보컬 오디오입니다. 3분 미만은 음색이 얇고 기계적인 느낌이 강해지며, 30분을 초과하는 무분별한 음원은 처리 시간만 지연시킬 뿐 음질 향상에 도움이 되지 않습니다.
- 단일 화자 엄수: 데이터셋에는 오직 한 사람의 목소리만 담겨야 합니다. 듀엣, 화음 백보컬, 배경 애드리브, 인터뷰 진행자의 추임새는 철저히 제거해야 합니다.
- 음역과 표현력의 다양성: 노래 모델의 경우 낮은 흉성부터 탄탄한 중음, 고음의 두성과 가성까지 골고루 포함합니다. 낭독이나 내레이션용인 경우 마이크와의 거리와 톤을 균일하게 유지합니다.
단계 B: 보컬 분리 및 완벽한 리버브 제거(UVR5)
기존 발매 음원이나 유튜브 인터뷰, 팟캐스트에서 보컬을 추출할 때 일반 웹 추출기를 쓰면 고음역 위상 뭉개짐이 생깁니다. 음향 크리에이터들이 표준으로 사용하는 로컬 오픈소스 프로그램인 **Ultimate Vocal Remover(UVR5)**를 활용합니다:
- 초정밀 보컬 분리: UVR5에 음원을 불러온 뒤 처리 엔진으로 MDX-Net을 선택하고
Kim Vocal 1또는UVR-MDX-NET Main모델을 적용합니다. 이 모델은 비트, 베이스, 드럼을 완벽하게 걸러내고 깨끗한 아카펠라를 추출합니다. - 잔향 및 에코 완전 제거(De-Echo / De-Reverb): 음성 변환 AI 모델은 잔향이 전혀 없는 완전히 메마른 ‘드라이(Dry)’ 음성으로 학습시켜야 합니다. 원본에 공간 울림이나 스튜디오 리버브가 남아 있다면, UVR5의 VR Architecture에서
De-Echo: Normal또는De-Echo / De-Reverb모델을 구동하여 잔향을 제거합니다. 잔향이 묻은 채로 학습시키면 생성되는 모든 결과물이 동굴 속에서 울리는 듯 먹먹해집니다.
단계 C: Audacity를 이용한 파형 편집, 무음 절삭 및 노멀라이즈
깨끗해진 드라이 보컬 트랙을 무료 오디오 편집기인 Audacity(또는 Reaper, Adobe Audition 등의 DAW)로 가져와 최종 정리합니다:
- 저음역 노이즈 컷(High-pass Filter): 하이패스 필터를 걸어 70~80Hz 이하(12dB/octave 슬로프) 대역의 에어컨 구동음, 마이크 스탠드 진동, 파열음(팝핑)을 제거합니다.
- 무음 구간 자동 단축: Audacity 상단 메뉴에서
효과 > 무음 절삭(Truncate Silence)을 선택합니다. 임계값을 -40dB로 지정하고 0.5초 이상 이어지는 무음을 0.2초 수준으로 압축합니다. 신경망은 목소리의 포먼트를 학습하므로 불필요한 긴 침묵은 학습 효율을 떨어뜨립니다. - 수동 잡음 편집: 파형을 확대하여 과도한 숨소리(들숨), 헛기침, 웃음소리, 입술이 떨어질 때 나는 침 튀는 소리(클릭음)를 직접 잘라냅니다.
- 피크 노멀라이즈(Normalize): 전체 오디오 파일의 피크 레벨을 -1.0dB에서 -2.0dB Peak 사이로 균일하게 맞춰 디지털 클리핑 왜곡을 방지합니다.
- 무손실 포맷 내보내기: 정리된 샘플을 WAV 포맷(16-bit 또는 24-bit PCM, 44.1kHz 또는 48kHz)으로 내보냅니다. Jammable은 MP3와 M4A도 지원하지만, 압축 손실을 막기 위해 무손실 WAV를 사용하는 것이 가장 안전합니다.
3. 2단계: Jammable 플랫폼에서 커스텀 모델 학습 실행
정제된 데이터셋이 완성되면 Jammable 웹사이트에서 직접 클라우드 학습을 시작합니다:
- 학습 스튜디오 접속: Creator 또는 Power 플랜이 활성화된 계정으로 로그인한 후
https://www.jammable.com/train으로 이동합니다(상단 메뉴에서 Create > Train a Voice 클릭). - 오디오 파일 업로드: 전처리를 마친 WAV 또는 MP3 파일들을 업로드 상자에 드래그 앤 드롭합니다.
- 데이터셋 분량 확인: 화면의 "DATASET DURATION" 게이지를 확인하여 최소 기준을 넘어서고 "RECOMMENDED"(권장) 영역에 안정적으로 도달했는지 체크합니다.
- 모델 정보 및 공개 범위 설정:
- Voice Name: 모델을 쉽게 식별할 수 있는 이름을 지정합니다.
- Avatar Image: 대시보드에서 모델을 구분할 프로필 이미지나 캐릭터 아트를 등록합니다.
- 공개 설정(Privacy): **Private(비공개)**와 Public(공개) 중 선택합니다. 개인의 고유 목소리나 상업적 독점 캐릭터를 보호하려면 반드시 Private을 선택해야 하며, Public을 선택하면 전 세계 Jammable 사용자에게 모델이 공유됩니다.
- 학습 시작: Next Stage를 클릭하고 최종 제출합니다. Jammable의 클라우드 서버에서 음향 특성과 피치 매핑을 자동 추출하며, 서버 대기열에 따라 약 2분에서 10분 내로 학습이 완료됩니다.
4. 3단계: 테스트, 음정 튜닝 및 AI 커버 제작
학습이 끝나면 내 보관함에 새 모델이 즉시 활성화되며 다음과 같이 활용할 수 있습니다:
- 테스트 AI 커버 생성:
https://www.jammable.com/ai-cover페이지로 이동하여 방금 만든 커스텀 모델을 선택합니다. - 음원 입력: 커버하고자 하는 음악 파일을 업로드하거나 내장 곡을 선택합니다. Jammable이 원곡의 보컬을 자동으로 분리하여 커스텀 모델의 음색으로 치환하고 반주와 믹싱합니다.
- 음정 전조(Pitch Shift) 설정:
- 원곡 가수의 음역과 생성한 모델의 음역 차이가 클 경우(예: 여성 소프라노 곡을 남성 바리톤 모델로 부르게 할 때) 피치 슬라이더를 -12 세미톤(한 옥타브 아래)으로 내립니다.
- 반대로 남성 곡을 여성 모델로 변환할 때는 +12 세미톤을 올려줍니다. 성별이 다른 곡에서 옥타브 전조를 생략하면 쇳소리가 나거나 심한 왜곡이 발생합니다.
- 내레이션 및 더빙 제작: Text-to-Speech 메뉴에 텍스트 대본을 입력하면 유튜브 쇼츠, 팟캐스트 인트로, 오디오북에 어울리는 자연스러운 음성을 즉각 생성할 수 있습니다.
5. 기술 비교: Jammable 클라우드 vs 로컬 설치형 RVC v2
| 비교 항목 | Jammable (Voicify AI) 클라우드 | 로컬 RVC v2 / Applio (자체 구축) |
|---|---|---|
| 설정 난이도 | 웹 브라우저 기반으로 매우 간편, 설정 불필요 | 복잡함(Python, CUDA, Git, 환경 의존성 설치 필요) |
| 하드웨어 요구 | 필요 없음(노트북, 태블릿, 모바일 기기에서도 가능) | 고성능 NVIDIA 그래픽카드 필수(최소 VRAM 6GB 이상) |
| 학습 소요 시간 | 클라우드 고속 처리로 2~10분 | 로컬 GPU 사양에 따라 15~45분 소요 |
| 파라미터 제어 | 자동 최적화 수렴(Epoch 및 배치 크기 조절 불가) | 에포크 횟수, 피치 추출 알고리즘(Crepe, Harvest) 완전 제어 |
| 원스톱 기능 | 반주 분리, 듀엣 생성, 비디오 내보내기 자체 통합 | 분리, 추론, DAW 재믹싱 과정을 수동으로 진행해야 함 |
| 비용 구조 | Creator 플랜(첫 달 $9.99, 이후 월 $24.99) 또는 패스 | 소프트웨어는 무료이나 고가 PC 하드웨어 비용 발생 |
6. 크리에이터를 위한 실전 제작 팁
- 품질의 기본 법칙(Garbage In, Garbage Out): Jammable의 자동화는 접근성을 극대화하지만 사후 알고리즘 튜닝으로 불량 음원을 보정할 수는 없습니다. 학습 데이터의 순도가 모델의 완성도를 좌우합니다.
- 길이보다 '드라이함'이 우선: 콘서트장의 관객 함성과 공간 울림이 섞인 30분짜리 라이브 음원보다, 리버브가 완전히 제거된 8분의 깔끔한 스튜디오 드라이 음원이 훨씬 뛰어난 모델을 만듭니다.
- 저작권 및 퍼블리시티권 준수: 상업 가수나 유명인의 목소리를 활용할 때는 Jammable의 이용약관(Terms of Use)과 DMCA 정책을 준수해야 합니다. 생성된 음원을 상업적으로 배포할 때는 원곡의 저작재산권과 가창자의 음성 권리 관계를 반드시 확인하십시오.