How to Normalize Audio Volume Across Multiple Files

3년 전, 저는 한 주요 기술 회사의 팟캐스트 시리즈를 믹싱하고 있었는데, 고객이 당황한 목소리로 전화해왔습니다. "CEO는 속삭이는 것 같고, 마케팅 이사는 거의 소리치고 있어요," 그녀가 말했습니다. "내일 출판하기 전에 이 문제를 해결해줄 수 있나요?" 저는 서로 다른 사람들에 의해, 서로 다른 장치에서, 서로 다른 방에서 녹음된 47개의 오디오 파일을 받았습니다. 어떤 것은 전문 마이크로 녹음되었고, 다른 것은 노트북 내장 마이크로 녹음되었습니다. 볼륨 불일치는 악몽 같았고, 모든 것을 정규화할 시간이 24시간도 안 남았습니다.

그 경험은 저에게 중요한 것을 가르쳐주었습니다: 오디오 정규화는 단순한 기술적 체크박스가 아닙니다. 전문 제품과 아마추어 제품을 가르는 차이입니다. 저는 마커스 첸이며, 지난 12년간 독립 팟캐스터부터 포춘 500대 기업에 이르기까지 다양한 고객과 함께 일하는 포스트 프로덕션 오디오 엔지니어로 활동해왔습니다. 그동안 저는 문자 그대로 수천 개의 오디오 파일을 정규화했으며, 대부분의 사람들이 이 작업을 접근하는 방식이 완전히 잘못되었다는 것을 배웠습니다.

진실은 볼륨 정규화가 대부분의 제작자들이 인식하는 것보다 더 간단하면서도 복잡하다는 것입니다. 올바르게 수행하면 청중은 아예 알아차리지 못할 것입니다—바로 그 점이 핵심입니다. 잘못하면 청중의 귀를 망치거나, 콘텐츠를 듣기 위해 볼륨을 최대로 올려야 할 것입니다. 이 가이드에서는 여러 파일의 오디오를 정규화하는 데 대해 제가 배운 모든 것을, 기본 개념부터 전문 프로덕션에서 사용하는 고급 기술까지 안내해드리겠습니다.

오디오 정규화가 실제로 의미하는 것 이해하기

어떻게 할지를 살펴보기 전에, 무엇에 대한 것인지 이해해야 합니다. 오디오 정규화는 일관된 레벨에서 재생되도록 오디오 파일의 전체 볼륨을 조정하는 과정입니다. 하지만 대부분 사람들이 혼란스러워하는 점은, 사실 여러 가지 정규화 유형이 존재하며 잘못된 것을 선택하면 오디오가 더 나빠질 수 있다는 것입니다.

피크 정규화는 가장 간단한 형태입니다. 이 방법은 오디오 파일의 가장 큰 소리의 지점(피크)을 찾고, 피크가 일반적으로 0 dB 또는 -1 dB의 목표 레벨에 도달하도록 전체 파일을 조정합니다. 가정해보세요, 여러분의 녹음에서 가장 큰 순간이 -6 dB에 도달한다고 합시다. 피크 정규화는 전체 파일을 6 dB만큼 올리므로 피크가 0 dB에 도달합니다. 나머지도 비례적으로 올려집니다.

문제는? 피크 정규화는 인지된 음량을 고려하지 않습니다. 저는 한 번 피크 정규화를 사용하여 일련의 인터뷰 녹음을 정규화했는데, 기술적 피크는 동일했지만 한 인터뷰가 다른 인터뷰들보다 훨씬 조용하게 들렸습니다. 왜 그럴까요? 그 인터뷰에 짧은 큰 웃음 소리가 있었고 그 소리가 피크를 만들었으나, 실제 대화는 다른 파일들보다 훨씬 조용했습니다.

이곳에서 음량 정규화가 필요하고, 저는 제 프로젝트의 90%에서 이를 사용합니다. 피크를 보는 대신 음량 정규화는 LUFS(Full Scale에 대한 음량 단위)와 같은 기준을 사용하여 전체 파일에서 평균적으로 인지된 볼륨을 측정합니다. 유럽 방송 연합은 방송 콘텐츠를 위해 -23 LUFS를 목표로 하는 EBU R128 기준을 설정했습니다. 스트리밍 플랫폼은 각각의 목표가 있습니다: Spotify는 -14 LUFS를 사용하고, YouTube는 -13에서 -15 LUFS를 목표로 하며, Apple Podcasts는 -16 LUFS를 추천합니다.

제 작업에서의 실제 예를 들어보겠습니다: 저는 피크 정규화를 사용하여 -1 dB로 30개의 팟캐스트 에피소드를 정규화했습니다. 음량을 측정했을 때, 에피소드는 -12 LUFS에서 -19 LUFS까지 다양했습니다—청취자들이 확실히 눈치챌 수 있는 7 LUFS의 큰 차이입니다. -16 LUFS를 목표로 음량 정규화로 전환했을 때, 모든 에피소드는 0.5 LUFS 범위 내에 있었습니다. 그 차이는 하늘과 땅처럼 컸습니다.

콘텐츠에 맞는 목표 레벨 선택하기

제가 가장 많이 받는 질문 중 하나는: "어떤 레벨로 정규화해야 하나요?" 답변은 전적으로 배포 플랫폼과 콘텐츠 유형에 따라 달라집니다. 잘못하면 스트리밍 플랫폼이 오디오를 자동으로 조정하여, 종종 원하는 것과는 다른 방식으로 조정될 수 있습니다.

"피크 정규화는 여러분의 파일이 가장 큰 소리에서 동일하게 크게 만들어주지만, 인간의 귀에 동일하게 들리지는 않습니다—대부분 사람들은 이 중요한 차이를 놓칩니다."

팟캐스트의 경우, 저는 항상 -16 LUFS에 진정한 피크 한계를 -1 dB로 추천합니다. 이것은 Apple Podcasts의 사양과 일치하며 모든 주요 팟캐스트 플랫폼에서 잘 작동합니다. 고객이 "더 큰 소리가 더 좋다"고 주장하며 -12 LUFS로 정규화하기를 고집했을 때, 저는 이 사실을 배웠습니다. Apple의 자동 볼륨 조정이 작동하여 실제로 경쟁 프로그램들보다 팟캐스트가 더 조용하게 되었습니다. 우리는 50개의 에피소드를 다시 내보내고 다시 업로드해야 했습니다.

음악 제작은 장르 및 플랫폼에 따라 다른 목표가 필요합니다. 스트리밍을 위한 마스터링의 경우, 대부분의 플랫폼에서 -14 LUFS가 적절한 수준입니다. 하지만 여기서의 미묘한 점은: Spotify는 -14 LUFS보다 더 큰 음악을 줄이고, 더 조용한 음악은 올리지 않습니다. 그래서 -16 LUFS로 마스터링하면 여러분의 트랙은 경쟁자보다 조용하게 재생됩니다. 전자 댄스 음악의 경우, 에너지가 필요하기 때문에 저는 종종 -8 또는 -9 LUFS까지 올리며, 플랫폼 조정에 대해 수용할 의향이 있습니다.

YouTube 콘텐츠는 중간 지점에 있습니다. 대부분의 YouTube 비디오에 대해 -13에서 -14 LUFS를 목표로 하며, 튜토리얼이나 인터뷰와 같이 대화가 많은 콘텐츠에는 -15 LUFS를 합니다. 플랫폼의 정규화는 Spotify보다 덜 공격적이어서 더 많은 유연성을 제공합니다. 최근에 다큐멘터리 시리즈에서 인터뷰 세그먼트에는 -15 LUFS를, 액션 장면에는 -13 LUFS를 사용하여 YouTube의 알고리즘이 아름답게 보존한 의도적인 역동적인 대조를 만들었습니다.

오디오북 및 e-learning 콘텐츠는 특별한 고려가 필요합니다. ACX(오디오북 제작 교환) 표준은 -23에서 -18 LUFS 사이의 오디오를 요구하며, -20 LUFS가 이상적인 목표입니다. 다른 콘텐츠에 비해 조용하게 들릴 수 있지만, 사람들은 종종 잠들기 전에나 긴 통근 중에 오디오북을 듣는다는 것을 기억하세요. 일관성이 원시 볼륨보다 더 중요합니다. 저는 200시간 이상의 오디오북을 제작했으며, 가장 좋은 리뷰를 받는 것은 항상 견고한 정규화가 이루어진 것들입니다.

일괄 오디오 정규화를 위한 필수 도구들

여러 파일을 정규화할 때 수동 처리 작업은 단순히 지루할 뿐만 아니라 비현실적입니다. 저는 수년간 수십 개의 도구를 테스트해왔고, 제 정규화 요구의 99%를 처리할 수 있는 핵심 도구 모音에 정착했습니다. 실제 프로덕션 환경에서 무엇이 실제로 작동하는지 안내해드리겠습니다.

전문 작업을 위해 저는 iZotope RX 10의 음량 제어 모듈에 의존합니다. 가격은 $399이지만, 정기적으로 이 작업을 한다면 그 가치가 충분합니다. 배치 처리가 스마트하여 수백 개의 파일을 분석하고 이들의 현재 음량 수준을 시각적으로 보여주며, 단 한 번의 클릭으로 모든 파일을 목표에 맞추어 정규화할 수 있습니다. 지난달에는 몇 줄의 분석 시간을 포함하여 약 45분 만에 180개의 팟캐스트 에피소드를 정규화했습니다. 이 작업은 제 초창기에는 이틀이 걸렸을 것입니다.

예산이 부족하다면, Audacity는 완전히 무료이며 놀라운 기능을 가지고 있습니다. 음량 정규화 효과(효과 > 볼륨 및 압축 아래)는 LUFS 목표를 지원하며 작은 배치에도 잘 작동합니다. 단점은 Audacity의 배치 처리가 체인을 사용한 설정이 필요하다는 것입니다(현재 매크로라고 불립니다). 저는 파일을 열고, -16 LUFS로 정규화하고, WAV로 내보낸 후 자동으로 닫는 매크로를 만들었습니다. 20-30개의 파일을 처리할 때 이 방식은 완벽하게 작동합니다.

커맨드 라인 애호가들은 loudnorm 필터가 있는 FFmpeg를 살펴보아야 합니다. 무료이며, 매우 강력하고 자동화에 적합합니다. 저는 Python 스크립트에서 이를 사용하여 폴더를 감시하고 자동으로 새 오디오 파일을 지정된 목표로 정규화하고 출력 폴더로 이동합니다. 배우는 곡선이 가파르지만, 스크립트가 작동하게 되면 설정해두고 잊어버릴 수 있습니다. 현실은 저는 매달 약 500개의 파일을 처리하며, 그 중 80%는 제가 터치하지 않고 자동화된 FFmpeg 파이프라인을 통해 통과합니다.

Mac 사용자를 위해, 저는 Spoken Word 콘텐츠에 대한 빠르고 간단한 솔루션으로 Levelator를 추천합니다. 무료이고 드래그 앤 드롭이 간단하며, 팟캐스트 및 인터뷰에 특화되어 있습니다. 단점은? 제가 …