오디오 파형만 보고 말소리 구간을 찾는 법
영상 편집기나 오디오 앱을 열면 가로로 길게 늘어선 물결 모양 그래프가 있습니다. 파형입니다. 대부분은 그냥 배경 장식처럼 넘기지만, 읽는 법을 알면 소리를 듣지 않고도 어디서 말이 시작되는지 찾을 수 있습니다.
파형은 무엇을 그린 것인가
소리는 공기 압력의 변화입니다. 마이크가 그 변화를 전압으로 바꾸고, 디지털 녹음은 그 전압을 1초에 수만 번 측정해 숫자로 저장합니다. 44.1kHz 녹음이라면 1초에 44,100번 잰 것입니다.
파형의 가로축은 시간, 세로축은 그 순간의 진폭입니다. 소리가 크면 위아래로 크게 벌어지고, 조용하면 가운데 선에 가깝게 붙습니다.
여기서 흔한 오해가 하나 있습니다. 파형의 높이는 음의 높낮이가 아니라 크기입니다. 낮은 목소리로 크게 말하면 파형은 크게 그려지고, 높은 소리를 작게 내면 작게 그려집니다.
화면에 그릴 때 벌어지는 일
1분짜리 오디오에는 260만 개가 넘는 샘플이 들어 있습니다. 화면 가로 폭은 아무리 넓어도 수천 픽셀입니다. 전부 그릴 수 없습니다.
그래서 구간을 묶어 대표값 하나로 줄입니다. 이 과정을 다운샘플링이라고 하고, 대표값을 뽑는 방식이 두 가지입니다.
최대·최소 방식은 구간 안에서 가장 큰 값과 가장 작은 값을 잡아 세로 막대로 잇습니다. 순간적인 충격음이 그대로 보존돼 편집점을 찾기 좋습니다.
RMS 방식은 구간의 평균 에너지를 계산합니다. 순간적인 튐이 뭉개지는 대신 사람이 느끼는 소리 크기에 더 가깝게 보입니다.
말소리 구간을 찾는 목적이라면 RMS 쪽이 유리합니다. 기침이나 마우스 클릭 같은 짧은 잡음이 봉우리로 튀어 오르지 않기 때문입니다.
말소리와 침묵을 가르는 기준
파형에서 말소리 구간을 자동으로 찾는 원리는 생각보다 단순합니다.
먼저 기준선을 정합니다. 전체 파일에서 가장 조용한 구간들의 에너지를 재서, 그보다 일정 수준 이상 높은 지점을 소리가 있다고 판단합니다. 절대값이 아니라 그 파일의 배경 소음 대비 상대값으로 잡는 것이 중요합니다. 조용한 스튜디오 녹음과 카페 녹음의 기준이 같을 수 없기 때문입니다.
다음으로 최소 침묵 길이를 정합니다. 말하는 중에도 짧은 끊김은 계속 생깁니다. 자음 사이의 파열이나 호흡이 그렇습니다. 이걸 전부 구간 경계로 잡으면 한 문장이 스무 조각으로 쪼개집니다. 보통 0.3초에서 0.5초 이상 조용해야 문장이 끝난 것으로 봅니다.
마지막으로 최소 구간 길이를 겁니다. 0.1초짜리 조각은 의미 있는 단위가 아니므로 앞뒤에 붙이거나 버립니다.
자동 분할이 실패하는 조건
이 방식은 조건이 맞을 때만 잘 동작합니다. 다음 상황에서는 눈에 띄게 어긋납니다.
배경 음악이 깔린 영상입니다. 음악이 계속 울리므로 침묵 구간 자체가 생기지 않습니다. 파형이 전 구간 고르게 채워져 경계를 찾을 수 없습니다.
여러 명이 겹쳐 말하는 대화입니다. 화자가 바뀌는 지점에 침묵이 없습니다.
말이 빠른 화자입니다. 문장 사이 호흡이 짧아 기준을 넘지 못합니다.
소음이 큰 환경입니다. 배경 소음이 높으면 기준선이 올라가고, 작게 말한 부분이 침묵으로 분류됩니다.
이런 경우에는 자동 분할 결과를 손으로 고치는 과정이 반드시 붙습니다. 자동 분할을 완성품이 아니라 초안으로 다루는 편이 낫습니다.
눈으로 읽을 때의 요령
직접 파형을 보며 구간을 잡는다면 몇 가지가 도움이 됩니다.
문장의 시작은 보통 갑자기 솟는 지점입니다. 파형이 평평하다가 급하게 올라가는 곳을 잡으면 대체로 맞습니다.
다만 시작점은 솟는 지점보다 살짝 앞에 두는 편이 좋습니다. 파열음으로 시작하는 단어는 앞부분 에너지가 작아서, 정확히 솟는 지점에서 자르면 첫 자음이 잘립니다.
문장의 끝은 평평해지는 지점보다 조금 뒤입니다. 말끝이 흐려지며 서서히 잦아드는 구간이 있기 때문입니다.
화면 크기가 정확도를 바꿉니다
파형 작업에서 가로 폭은 그냥 보기 좋고 나쁨의 문제가 아닙니다.
10분짜리 오디오를 400픽셀 폭에 그리면 1픽셀이 1.5초입니다. 손가락으로 찍을 수 있는 최소 단위가 1.5초라는 뜻이고, 이 해상도에서는 문장 경계를 정확히 잡는 것이 물리적으로 불가능합니다. 같은 오디오를 1,200픽셀에 그리면 1픽셀이 0.5초가 됩니다.
모바일 앱에서 파형 편집이 답답한 이유가 여기 있습니다. 확대 기능이 없으면 정밀 작업 자체가 성립하지 않습니다. 큰 화면이나 분할화면을 활용한 태블릿 환경에서 같은 작업이 훨씬 수월해지는 것도 같은 이유입니다.
파형과 확대, 그리고 미세 조정 버튼을 함께 제공하는 도구를 고르면 이 문제가 줄어듭니다. 모바일에서는 Loop Note가 파형 위에서 구간 경계를 1초 단위로 밀고 당기는 방식을 씁니다 (Google Play).
정리
파형은 시간에 따른 소리의 크기를 그린 그래프입니다. 배경 소음 대비 기준선과 최소 침묵 길이, 이 두 값으로 말소리 구간을 기계적으로 나눌 수 있습니다. 다만 배경음악이나 겹치는 대화에서는 어긋나므로 손으로 고치는 단계를 전제해야 합니다.