NPC 음성 생성기: NPC와 내레이터를 위한 AI 음성

게임 속 대화의 대부분은 들리는 것이 아니라 읽히는 내용입니다. 경비병에게는 한 줄, 퀘스트 제공자에게는 네 줄, 튜토리얼에는 열두 줄이 있고, 이 모든 대사가 화면에 조용히 놓인 채 여러분은 페이싱을 두고 고민하게 됩니다. 버티컬 슬라이스 전에 두 번이나 다시 쓸 텍스트를 위해 성우를 섭외하는 사람은 없습니다.

생성형 음성이 채워 주는 부분이 바로 그 간극입니다. 대사를 붙여 넣고 음성을 고르면, 1초 뒤에는 바크가 제대로 전달되는지, 튜토리얼 힌트가 세 단어 정도 너무 긴지 직접 들어볼 수 있습니다. 이 가이드에서는 플레이스홀더 대화에 NPC 음성 생성기를 사용하는 방법을 다룹니다. 라이브러리에서 음성을 선택하는 방법, Voice stability와 Voice closeness 설정의 역할, 바크·퀘스트 대사·튜토리얼·내레이션 작성법, 클립을 엔진으로 가져오는 방법, 그리고 생성을 멈추고 녹음 세션을 예약해야 하는 시점을 살펴봅니다. 아래의 모든 클립은 Sloyd의 AI 오디오 생성기로 만들었습니다. 클립은 영어로 재생되며, 각 클립 옆에 영어 대사와 음성을 함께 표시했으니 같은 텍스트를 붙여 넣고 동일한 테이크를 얻을 수 있습니다.

스크립트가 계속 바뀌는 동안 사용하는 플레이스홀더 음성

대화 대사에는 문서만으로는 알 수 없는 두 가지 문제가 있습니다. 첫 번째는 길이입니다. 페이지에서는 바크가 간결하게 읽히지만, 실제로 소리 내어 읽으면 애니메이션이 제공하는 3초를 넘길 수 있습니다. 두 번째는 톤입니다. "the old mine has gone quiet"는 머릿속에서는 불길하게 들리지만, 글이 충분히 뒷받침하지 않으면 실제 전달에서는 지루하게 들립니다.

생성형 음성은 이 두 문제를 30초 만에 확인할 수 있게 해줍니다.

• 타이밍. 애니메이션이나 자막 타이머에 맞춰 클립을 재생하면, 성우가 부스에 들어오기 전에도 대사가 들어맞는지 알 수 있습니다.
• 부하 상황의 바크. 플레이테스트에서 200번이나 듣게 될 전투 함성은 금방 문제를 드러냅니다. 생성하고, 전투를 반복하고, 거슬리는 대사를 잘라내세요.
• 튜토리얼 페이싱. 음성 안내는 안내하려는 대상과 경쟁합니다. 플레이어가 행동할 여유가 있는지는 직접 들어보는 방법밖에 없습니다.
• 상황 파악. 임시 음성이 들어간 빌드를 플레이테스터에게 건네면 플레이테스터는 장면에 반응합니다. 음성 없이 자막만 있는 빌드를 건네면 자막에 반응합니다.

출력물은 그레이박스 레벨 아트나 텍스트에서 3D로 만든 플레이스홀더 소품과 같은 수준의 임시 오디오로 취급하세요. 결정을 내리기에는 충분하지만, 트레일러에 그대로 넣어 출시할 결과물은 아닙니다. 이미 콘셉트 아트에 이미지에서 3D로, 레퍼런스에 텍스트에서 이미지로를 사용하고 있다면 임시 대화도 새 구독 없이 같은 계정에서 만들 수 있습니다. 게임 개발 사용 사례에서 전체 과정을 확인할 수 있습니다.

NPC 음성 생성기 사용법: 라이브러리와 두 가지 설정

Sloyd Audio의 음성 기능은 음성 라이브러리, 텍스트 상자, 두 개의 슬라이더로 구성됩니다. 대화에 필요한 기능은 이것이 전부이며, 캐릭터를 만들어 내는 부분은 두 슬라이더입니다.

먼저 음성을 선택하세요

음성 선택기에는 앱에서 제공하는 기본 음성이 표시됩니다. 각 행에는 미리 듣기 버튼이 있어 생성을 사용하기 전에 음성을 확인할 수 있고, 즐겨찾기를 목록 상단에 고정하는 하트 아이콘도 있습니다. 출연진에 사용할 네 가지 음성을 정한 뒤 나머지 음성을 지나치며 스크롤하고 싶지 않을 때 유용합니다.

라이브러리에 대해 알아둘 점은 두 가지입니다. 목록에 있는 기본 음성 중에서 선택해야 합니다. Sloyd는 음성을 복제하지 않으므로 사람의 녹음을 업로드해 그 사람의 음성을 되돌려 받을 수 없습니다. 또한 음성 모델은 다국어를 지원하므로 영어 이외의 언어로도 대사를 읽을 수 있습니다. 현지화된 빌드에도 임시 오디오가 필요할 때 유용합니다.

프로토타입에서 실제로 통하는 캐스팅 조언은 이렇습니다. 게임 음성 생성기는 그 안에서 구성하는 출연진만큼만 좋으므로, 반복해서 등장하는 모든 NPC 역할에 고유한 음성을 지정하고 첫 번째 클립부터 파일 이름에 역할을 적으세요. 네 가지 음성을 일관되게 적용하면 출연진처럼 들립니다. 여덟 가지 음성을 무작위로 섞으면 버그처럼 들립니다.

Voice stability: 일관성과 표현력

Voice stability 슬라이더는 0부터 1까지 조정할 수 있으며 기본값은 0.50입니다. 접힌 컨트롤에는 50%, 열린 슬라이더에는 0.50으로 표시됩니다. 앱 내 힌트가 가장 정확하게 설명하듯, 값이 낮을수록 더 표현력 있는 전달이 가능하고 값이 높을수록 전달이 더 일관됩니다.

실제로는 다음과 같이 사용하면 됩니다.

• 낮은 안정성은 연기가 필요한 대사에 사용하세요. 외침, 공포, 자신에게 도취된 악당 등에 적합합니다. 테이크마다 차이가 더 커지지만, 그중 하나를 고르는 상황에서는 문제가 되지 않습니다.
• 높은 안정성은 평평하게 전달해야 하는 대사에 사용하세요. 튜토리얼, 메뉴, 시스템 메시지처럼 플레이어가 반복해서 듣고도 신경 쓰지 않아야 하는 내용에 적합합니다.
• 바크는 중간값에 놓입니다. 너무 평평하면 전투가 로봇처럼 느껴지고, 너무 자유로우면 네 테이크 중 하나가 이상하게 나옵니다.

Voice closeness: 유사성과 자연스러움

Voice closeness 슬라이더 역시 0부터 1까지 조정할 수 있으며 기본값은 0.75입니다. 접힌 컨트롤에는 75%로 표시됩니다. 힌트는 그 절충점을 명확히 설명합니다. 선택한 음성에 전달 방식이 얼마나 가깝게 유지되는지를 조절하며, 값이 높을수록 유사성은 커지지만 자연스러움은 떨어질 수 있습니다.

캐스팅하는 동안에는 기본값 근처에 두세요. 이 범위에서 음성이 자기 음성답게 들립니다. 여러 세션에 걸쳐 캐릭터의 대사를 생성했고 서로 맞춰야 한다면 값을 높이세요. 대사가 뻣뻣하게 들리고 미리 듣기와 정확히 일치하는 것보다 사람처럼 들리는 것이 중요하다면 값을 낮추세요.

한 번에 슬라이더 하나만 바꾸고 같은 대사를 두 번 생성하세요. 한 대사를 두 번 만든 테이크가 서로 다른 두 대사를 한 번씩 만든 결과보다 설정의 차이를 더 잘 보여줍니다.

바크, 퀘스트 대사, 튜토리얼과 내레이션 작성하기

한 번의 생성에서는 최대 5,000자의 텍스트를 사용할 수 있습니다. 대략 800단어, 또는 몇 분 분량의 음성입니다. 이 수치는 작성할 수 있는 내용을 제한한다기보다 스크립트를 나누는 방식에 더 큰 영향을 줍니다.

유용한 기준은 엔진이 트리거하는 항목마다 클립 하나를 만드는 것입니다.

• 한 줄에 한 클립: 바크, 인사, 확인 메시지처럼 트리거가 있는 모든 내용에 적용합니다. 엔진에서 각각 독립적으로 실행해야 합니다.
• 한 장면에 한 클립: 컷신이나 로딩 화면 위에서 처음부터 끝까지 재생되는 내레이션에 적용합니다.
• 캐릭터마다 클립 하나로 만들지는 마세요. 전체 퀘스트 체인을 한 번에 생성하면 MP3 하나가 나오고, 이후 편집기에서 직접 잘라야 합니다.

방향을 제시할 수 있는 방법은 구두점뿐입니다. 마침표는 한 박자, 쉼표는 더 짧은 박자, 줄임표는 멈춤을 뜻합니다. 정확하게 들려야 하는 내용은 풀어 쓰세요. "50g" 대신 "fifty gold"라고 쓰고, 철자가 발음을 혼동하게 만든다면 이름도 들리는 대로 적으세요. 지문은 작동하지 않습니다. 모델은 입력한 내용을 그대로 읽기 때문에 [angrily]도 단어로 읽습니다. 화난 감정이 필요하다면 화난 문장을 쓰고 안정성을 낮추세요.

바크: 짧고 반복되며 많이 재생되는 대사

대사 (영어): "You picked the wrong road, stranger. Drop the coin and walk away.", 음성 George, 안정성 0.50, 유사성 0.75.

바크는 약 3초 이내로 유지하고 상황마다 네다섯 개를 작성하세요. 다양한 대사가 있어야 전투가 같은 클립의 반복처럼 들리지 않습니다. 각 대사가 별도의 클립이므로 엔진에서 무작위로 하나를 선택할 수도 있습니다.

상인과 인사말: 장소의 분위기를 만드는 대사

대사 (영어): "Fresh steel, fair prices. Everything must go before the frost sets in.", 음성 River, 안정성 0.50, 유사성 0.75.

환경 대화는 적은 비용으로 배경을 전달합니다. 날씨나 수확에 관한 한 줄이 메뉴의 긴 설정 설명보다 마을에 대해 더 많은 것을 알려줄 수 있습니다. AI로 게임 사운드 이펙트를 만드는 방법 가이드에서 설명하듯, 같은 Audio 페이지의 군중 소리와 함께 사용해 보세요.

튜토리얼과 힌트: 캐릭터보다 명확성이 우선

대사 (영어): "Raise your shield to block, then strike while their guard is open.", 음성 River, 안정성 0.50, 유사성 0.75.

클립 하나당 지시 하나만 넣고, 동사로 시작하며, 농담은 빼세요. 반복되는 힌트가 항상 동일하게 유지되도록 안정성을 높이고, 재생되는 동안 플레이어가 행동할 수 있을 만큼 짧게 유지하세요.

내레이션: 가장 긴 대사를 생성하는 경우

대사 (영어): "Long before the towers fell, this valley answered to no king.", 음성 George, 안정성 0.50, 유사성 0.75.

내레이터 음성 생성기는 인트로, 챕터 카드, 코덱스 항목과 로딩 화면에서 특히 유용합니다. 카피는 계속 바뀌고 아직 음성에 맞춰 애니메이션된 것은 없기 때문입니다. 박자가 느껴지도록 구두점을 사용해 짧은 문장으로 내레이션을 작성하세요. 프롤로그 전체가 아니라 한 번에 한 문단씩 생성하고, 각 문단을 별도의 클립으로 유지하면 다시 쓰더라도 한 번만 생성하면 됩니다.

같은 작업은 게임 밖에서도 필요합니다. 스토어 워크스루와 제품 설명 영상도 스크립트가 정리되는 동안 임시 내레이션이 필요합니다. 이는 이 워크플로의 이커머스 사용 사례에 해당합니다.

워크플로: 스크립트 작성, 생성, 가져오기

네 단계로 진행하며, 판단이 필요한 단계는 첫 번째뿐입니다.

1. 스크립트 작성. 대사, 캐릭터, 트리거, 파일 이름을 각각의 열로 둔 하나의 시트에서 대화를 관리하세요. 예를 들어 vo_guard_bark_01과 같이 작성합니다. 다시 쓰고 생성할 때 기준이 되는 것은 바로 이 시트입니다.
2. 생성. 대사를 붙여 넣고 캐릭터의 음성을 선택한 뒤, 대사의 목적에 맞게 슬라이더를 설정하고 생성하세요. 모든 클립은 My Activity에 저장되므로 어제 마음에 들었던 테이크도 그대로 남아 있습니다.
3. 다운로드. 각 클립은 하나의 MP3로 다운로드됩니다. Sloyd Audio가 제공하는 유일한 형식이며 엔진에 넣는 파일도 이 파일입니다.
4. 가져오기. 파일을 넣고 트리거에 연결한 다음 장면을 재생하세요.

실용적인 팁 두 가지가 있습니다. 음성은 사운드 이펙트보다 빠르게 쌓이므로 시트의 파일 이름을 그대로 유지하세요. tts_output이라는 이름의 클립 100개를 정리하다 보면 하루를 잃게 됩니다. 또한 공격에 의해 대사가 트리거될 때 0.25초의 앞부분 무음도 지연처럼 느껴질 수 있으니, 연결하기 전에 Audacity 같은 무료 편집기에서 바크 앞뒤의 무음을 잘라내세요.

빌드용 트레일러를 편집하고 있나요? Sloyd Video Studio는 5초에서 15초 길이의 클립을 렌더링하며, Extend로 샷을 이어갈 수 있습니다. 3D 모델의 카메라 이동 렌더링은 1초에서 10초까지 지원합니다. 직접 만든 내레이션을 편집본에 추가하세요.

녹음된 음성으로 교체해야 하는 시점

AI 음성은 프로토타이핑 도구이지 출연진이 아닙니다. 다시 캐스팅할지 여부는 대사가 무엇을 전달해야 하는지에 따라 결정됩니다.

다음에는 성우를 섭외하세요:

• 주요 캐릭터와 서사가 있는 캐릭터. 20시간 동안 변화를 보여줘야 하는 연기는 설정값이 아니라 연기입니다.
• 감정적인 주요 장면. 트레일러에 사용될 장면, 죽음, 배신 같은 장면은 호흡과 타이밍으로 완성됩니다.
• 코미디. 타이밍이 곧 농담이며, 텍스트 상자 안에서 정확히 연출할 수 없는 것도 바로 타이밍입니다.
• 마케팅의 핵심이 되는 모든 대사. 트레일러나 스토어 페이지에 등장하는 대사라면 녹음 세션을 진행할 가치가 있습니다.

다음에는 생성 클립을 유지하세요:

• 바크와 군중 대사: 뉘앙스보다 분량이 중요한 경우입니다.
• 시스템 및 튜토리얼 음성: 원래 중립적이어야 하는 경우입니다.
• 현지화된 임시 오디오: 두 번째 출연진에 비용을 투입하기 전에 영어가 아닌 빌드를 플레이테스트할 수 있습니다.
• 아직 다시 쓰는 중인 모든 대사: 대부분의 스크립트는 후반까지 여기에 해당합니다.

생성된 음성을 출시하기 전에 정리해야 할 사항이 두 가지 있습니다. 상업적 출시를 위해 사용한 음성에 적용되는 라이선스 조건을 확인하고, 플레이테스터에게 어떤 오디오가 임시 음성인지 알려주세요. 그래야 전달 방식이 아니라 글쓰기에 대한 피드백을 받을 수 있습니다. 워크플로가 아니라 도구를 비교하고 있다면 게임 오디오를 위한 ElevenLabs 대안에서 여러 도구를 나란히 비교합니다.

FAQ

생성된 대사 하나는 얼마나 길게 만들 수 있나요?

한 번 생성할 때 최대 5,000자의 텍스트를 사용할 수 있으며, 대략 800단어에 해당합니다. 바크에 필요한 분량보다 훨씬 많으므로 실용적인 규칙은 클립 하나당 트리거 하나입니다. 바크나 인사말은 별도의 파일로 만들고, 내레이션은 문단별로 나누세요. 그러면 다시 쓰더라도 전체를 다시 편집하지 않고 한 번만 생성하면 됩니다.

Voice stability와 Voice closeness 설정은 무엇을 바꾸나요?

기본값이 0.50인 Voice stability(접힌 컨트롤에서는 50%)는 표현력과 일관성 사이의 균형을 조절합니다. 값이 낮을수록 더 표현력 있는 전달이 가능하고, 값이 높을수록 전달이 일관됩니다. 기본값이 0.75인 Voice closeness(75%)는 결과가 선택한 음성에 얼마나 가깝게 유지되는지를 조절합니다. 값이 높을수록 유사성은 커지지만 자연스러움은 떨어질 수 있습니다. 둘 중 하나를 바꿀 때는 같은 대사를 두 번 생성해 보세요.

클립은 어떤 형식으로 다운로드되나요?

클립당 하나의 MP3 파일로 다운로드되며 My Activity에 저장되고 그곳에서 다운로드할 수 있습니다. Unity, Godot, Roblox Studio에서는 이 파일을 그대로 가져올 수 있습니다. Unreal에서 사용하거나 무손실 마스터가 필요하다면 먼저 Audacity 또는 사용하는 DAW에서 MP3를 16-bit WAV로 변환하세요.

실제 성우의 음성을 복제할 수 있나요?

아니요. 라이브러리는 기본 음성만 제공하며 Sloyd는 음성을 복제하지 않습니다. 따라서 사람의 녹음을 업로드해 그 사람의 음성으로 음성을 생성할 수 없습니다. 실제 연기자를 캐스팅하려면 실제 녹음 세션을 진행해야 합니다.

사운드트랙도 생성할 수 있나요?

아니요. Sloyd Audio는 음성과 사운드 이펙트를 지원하며 음악은 지원하지 않습니다. 따라서 음악은 작곡가나 전용 음악 도구를 사용해야 합니다.

음성 생성에는 유료 플랜이 필요한가요?

네. 오디오 생성과 다운로드에는 Sloyd Plus 또는 Sloyd Pro가 필요합니다. 가격 페이지에서 플랜을 비교해 보세요.

가장 자주 듣게 될 20개 대사부터 시작하세요

플레이테스트에서 실제로 자주 나오는 대사를 골라 보세요. 전투 바크 네 개, 인사말 두 개, 튜토리얼 힌트 네 개, 죽음 대사 하나, 상인 대사 몇 개, 내레이터 인트로 하나면 충분합니다. 반복해서 등장하는 각 캐릭터에 음성 하나를 지정하고, 대화 시트에서 파일 이름을 정하면 캐스팅 라운드 없이 오후 한나절 만에 음성이 포함된 프로토타입을 만들 수 있습니다.

이 게시물의 대사로 Sloyd Audio에서 첫 NPC 대사를 생성해 보세요. 그런 다음 텍스트에서 3D로를 사용해 각 음성을 해당 캐릭터와 연결해 보세요.