AI 동영상 캐스트 보이스: Seedance·Hailuo 속 캐릭터 대사

사운드트랙이 있는 동영상 엔진은 말하는 사람에게 목소리를 지어내 줘요. 그것도 클립마다 다른 목소리를요. 단일 샷이라면 괜찮지만 영화라면 치명적이에요. eroq의 답은 캐릭터예요. 스튜디오에서 캐스트 멤버에게 보이스를 지정하고 씬 안에 대사를 쓰면, 오디오 레퍼런스를 받는 엔진에서는 씬이 바뀌어도 대사가 그 목소리로 나와요. 이 가이드는 렌더와 함께 실제로 무엇이 전달되는지, 어떤 엔진에서 그런지, 그리고 5초에 맞는 대사를 어떻게 쓰는지 다뤄요.

캐릭터가 지니는 것

스튜디오의 캐릭터에는 시트(외모), 페르소나(채팅에서 생각하고 말하는 방식), 그리고 보이스가 있어요. 보이스는 기본 제공 보이스나 직접 만든 복제 보이스 중 하나로, 캐릭터의 보이스 탭에서 지정해요. 동영상에서는 이 중 세 가지가 중요하고, 하나는 상관없어요.

• 시트는 레퍼런스 이미지로 실려서 얼굴이 맞아요.
• 목소리 설명은 목소리를 한 줄로 묘사한 문장(예: “female voice, warm and low”, 따뜻하고 낮은 여성 목소리)으로, 사운드가 있는 모든 엔진에서 프롬프트에 실려요.
• 음성 샘플은 지정한 보이스로 짧게 말한 샘플이에요. 한 번 렌더해서 보관해 두고, 오디오 레퍼런스를 받는 엔진에서 오디오 레퍼런스로 실려요.
• 페르소나는 동영상 프롬프트에 절대 실리지 않아요. 엔진은 그림을 렌더할 뿐, 그녀가 어떻게 말다툼하는지 알 필요가 없어요.

엔진별로 하는 일

엔진 표 기준으로 세 단계가 있어요.

• 오디오 레퍼런스: Seedance 2.5, Seedance 2.0, Seedance 2.0 Fast, Seedance 2.0 Mini, Hailuo 3. 샘플이 렌더와 함께 가서 캐릭터의 대사가 그 캐릭터의 목소리로 나와요. 렌더당 샘플은 하나, 즉 씬에서 보이스가 있는 첫 번째 화자의 샘플뿐이라, 씬마다 말하는 캐릭터가 하나일 때 가장 확실해요. 이전 씬의 마지막 프레임에서 시작하는 연속 샷은 레퍼런스를 싣지 않으니 샘플도 없어요. 그 씬의 보이스는 설명으로 실려요.
• 사운드는 있지만 오디오 레퍼런스는 없음: Motion One, Veo 3.1과 Fast·Lite 등급, Sora 2 Pro, Kling 3.0과 Pro, Wan 3.0. 설명이 프롬프트에 실리고, 엔진이 그 설명에 맞는 목소리를 골라요. 클립 안에서는 일관되지만 클립끼리는 달라요.
• 사운드 없음: Hailuo 3 Max, Runway Gen-4.5, Grok Imagine. 대사는 여전히 연출 지시(움직이는 입, 말투)로 실리지만, 아무 소리도 들리지 않아요. 목소리는 편집 단계에서 보이스 도구로 만들어 넣으세요.

Cinema의 룩 패널에 영화의 엔진이 어느 단계인지 표시돼요. 사운드트랙이 있는 엔진이라면 어디서든 사운드를 끌 수 있고, 사운드에 요금을 매기는 엔진에서는 끄는 쪽이 더 저렴해요.

대사 쓰기

Cinema에서 씬의 대사는 씬 카드 안에 있어요. 지문 아래의 + 대사를 누르고, 화자, 말투, 대사를 차례로 넣으세요. 컴포저는 각 대사를 씬의 문단 안, 지문 바로 뒤에 써 넣고(Mina (whispering) says: "It's still lit."), 목소리가 있는 캐릭터마다 어떤 소리인지 알려 주는 Voices 라벨 문장으로 프롬프트를 마무리해요. 그래서 매번 같은 방식으로 읽혀요. 카드에서 엔진에 전달되는 내용을 펼치면 그 문단을 볼 수 있어요. 렌더 수백 개를 지켜보며 얻은 규칙 몇 가지예요.

• 5초에 대사 하나. 짧은 문장 하나를 말하면 3~4초예요. 두 문장이면 10초가 필요해요.
• 형용사보다 말투. ‘속삭이며(whispering)’, ‘혼잣말로(to herself)’, ‘고개를 들지 않고(not looking up)’는 통하지만, ‘감정적으로(emotionally)’는 통하지 않아요.
• 문장부호가 곧 연출이에요. 대시는 멈춤, 말줄임표는 흐려지는 끝, 물음표는 끝을 올려요. 문장부호 가이드는 음성만큼이나 동영상에도 그대로 적용돼요.
• 프레임에 두 사람이 있다면 지문에도 화자를 쓰세요. Mina의 대사 앞에 ‘Mina가 Rook 쪽으로 돌아선다’라고 쓰지 않으면, 엔진은 카메라에 가장 가까운 사람에게 대사를 줘요.
• 대사 안에 지시문을 넣지 마세요. 대사는 무엇을 말하는지, 말투는 어떻게 말하는지예요. 둘을 섞으면 지시문까지 소리 내어 읽어 버려요.

씬 하나, 처음부터 끝까지

씬 카드는 이래요.

INT. LIGHTHOUSE — DUSK
@Mina reaches the top of the spiral stairs, out of breath, slow push-in
as she sees the lamp.

  MINA (whispering)   It's still lit.

Seedance 2.0 Mini로 5초, 사운드를 켜고 렌더하면 45 크레딧이에요. 엔진이 받는 것: 씬 문단(슬러그라인, 푸시 인이 들어간 지문, 그리고 말투가 붙은 Mina의 대사), 레퍼런스 이미지 1로 묶인 Mina(그녀의 시트), 카메라 무빙과 룩, 레퍼런스 오디오의 목소리로 말하라고 엔진에 알려 주는 Voices 줄, 그리고 그 오디오 레퍼런스로 쓰이는 그녀의 음성 샘플이에요. 클립에는 그녀의 얼굴과 목소리가 담겨요. 씬 2를 다른 대사로 렌더해도 같은 샘플이 가니까 같은 목소리예요. 단, 씬 2가 연속 샷이 아닐 때만요. 이전 프레임에서 시작하는 씬은 샘플을 보내지 않아서 목소리가 설명에서 나와요. 흐름보다 목소리가 중요한 대사 위주의 영화라면 룩 패널에서 연속 샷을 끄세요.

Kling 3.0에서는 같은 씬이 170 크레딧이고, 목소리는 Kling이 설명을 보고 추측한 목소리예요. 괜찮은 추측이지만, 다음 씬에서는 또 다른 목소리가 나와요.

목소리가 정확해야 할 때

내레이션, 보이스오버, 또는 복제 보이스와 정확히 같아야 하는 대사라면 엔진에 기대지 마세요. 보이스 도구에서 캐릭터의 보이스로 대사를 렌더하고(100자당 3 크레딧), Cinema의 편집에서 그 MP3를 화면 아래에 넣으세요. 클립 자체의 사운드는 음소거하거나 줄이고요. 그러면 엔진의 사운드트랙은 앰비언스가 되고, 말은 온전히 여러분의 것이 돼요. 사운드가 없는 엔진에서는 이게 유일한 방법이기도 해요.

한계, 솔직하게

• 렌더당 음성 샘플은 하나예요. 2인극이라면 첫 번째 화자는 샘플을, 다른 한 명은 설명을 받아요.
• 샘플은 대본이 아니라 레퍼런스예요. 엔진은 그 목소리로 말할 뿐, 녹음에 맞춰 립싱크하지 않아요.
• 언어는 대사를 따라가요. 영어 음성으로 복제한 목소리로 한국어 대사를 말하면, 보이스 도구에서와 마찬가지로 억양이 섞여 나와요.
• 개인정보: 샘플은 여러분의 스토리지에서 나가는 서명된 링크이고, 엔진 대기열을 처리할 만큼만 유효해요.

자주 묻는 질문

캐릭터의 페르소나가 대사 전달 방식에 영향을 주나요?

아니요. 페르소나는 채팅용이에요. 전달 방식은 말투, 문장부호, 그리고 목소리 자체에서 나와요.

한 씬에서 캐릭터 두 명이 말할 수 있나요?

두 대사 모두 각자의 목소리 설명과 함께 프롬프트에 실려요. 렌더당 음성 샘플은 하나뿐이라, 둘 중 한 명의 목소리는 엔진이 골라요. 두 목소리를 정확히 살리려면 대화를 씬 두 개로 나누고 연속 샷을 끄세요. 이전 프레임에서 시작하는 씬은 샘플을 보내지 않거든요.

목소리를 가장 일관되게 유지하는 엔진은 무엇인가요?

Seedance 계열과 Hailuo 3이에요. 샘플을 받으니까요. 다른 엔진에서는 설명이 목소리 자체가 아니라 목소리의 종류를 일관되게 지켜 줘요.

음성 샘플에도 요금이 붙나요?

아니요. 보이스마다 한 번 렌더해서 보관하고, 오디오 레퍼런스 엔진으로 렌더할 때 추가 비용 없이 함께 보내요.

캐릭터의 보이스 탭에서 보이스를 지정한 다음, Cinema의 씬 카드 안에 대사를 쓰세요.