좋은 나레이션 목소리의 조건: 톤·속도·쉼, 귀에 쏙 박히는 목소리는 이렇게 만들어진다

1. 먼저 짚고 가자: "목소리가 좋다"는 게 뭔데?

많은 사람이 "좋은 목소리 = 낮고 굵은 목소리"라고 생각하는데, 반만 맞아. 나레이션에서 말하는 좋은 목소리는 듣는 사람이 내용을 편하게, 오래, 정확하게 받아들이게 하는 목소리야. 듣기 좋은 음색은 출발점일 뿐이고, 실제 평가는 전달력에서 갈려.

음성학에서는 말소리의 '운율(prosody)'을 크게 세 축으로 봐.
① 음높이(pitch): 성대가 1초에 몇 번 진동하는지, 기본주파수(F0)로 측정해.
② 세기(loudness): 소리 에너지의 크기, 데시벨로 표현해.
③ 길이(duration): 음절을 얼마나 늘이고, 얼마나 쉬는지.
오늘 주제인 톤·속도·쉼은 이 운율 요소를 실전 언어로 바꾼 거라고 보면 돼. 톤은 음높이와 음색, 속도와 쉼은 길이의 영역이야.

2. 톤(Tone): 목소리의 '색깔'과 '높낮이'

2-1. 기본 음높이, 숫자로 보면 이래

성인 남성의 평균 말하기 기본주파수는 대략 85~180Hz, 성인 여성은 대략 165~255Hz 범위로 많이 소개돼. 연구마다 수치가 조금씩 다르지만, 남성 평균 120Hz 안팎, 여성 평균 210Hz 안팎이 흔히 쓰이는 기준값이야. 한국어 화자를 대상으로 한 연구들도 비슷한 범위를 보고하고 있어.

여기서 중요한 포인트! 좋은 나레이션 톤은 이 범위에서 억지로 아래로 내려간 소리가 아니야. 발성 교육에서는 흔히 '최적 음도(optimal pitch)'라는 말을 써. 성대에 무리 없이 가장 편하게 울리는 높이를 뜻하는데, 보통 자기 음역의 아래쪽 1/4~1/3 지점 근처로 설명해. 이 높이에서 말해야 장시간 녹음해도 목이 덜 상하고, 소리에 자연스러운 울림이 생겨.

2-2. 음색은 '공명'이 만든다

같은 높이로 말해도 사람마다 소리가 다른 이유는 성대에서 만든 소리가 목, 입, 코 같은 공간(성도)을 지나면서 특정 주파수가 강조되기 때문이야. 이걸 공명이라고 하고, 강조되는 주파수 대역을 '포먼트(formant)'라고 불러.

나레이션에서 좋다고 평가받는 음색은 대체로 이런 특징이 있어.
• 숨이 새지 않는 깔끔한 성대 접촉: 바람 소리가 많이 섞이면 힘없고 멀게 들려.
• 열린 목과 안정된 후두: 목을 조이면 날카롭고 긴장된 소리가 나.
• 앞쪽으로 모이는 소리: 보이스 트레이닝에서 '소리를 마스크(코·입 주변)에 띄운다'고 표현하는 감각인데, 소리가 또렷하고 가깝게 들려.
• 안정된 호흡 지지: 문장 끝까지 힘이 빠지지 않게 받쳐 주는 복식 호흡이 기반이야.

2-3. 억양: 문장의 높낮이 곡선

톤에는 '한 문장 안에서 높낮이가 어떻게 움직이느냐'도 포함돼. 이게 억양이야. 나레이션 초보가 가장 많이 빠지는 함정 두 가지를 볼게.

함정 ① 모노톤(단조로움)
높낮이 변화가 거의 없으면 정보는 들어가도 귀가 금방 지쳐. 기계가 읽는 느낌이 들고 무엇이 중요한지 구분이 안 돼.

함정 ② 패턴 반복(일명 '나레이션 말투')
모든 문장을 똑같은 곡선으로 읽는 거야. 예를 들어 문장 앞은 높게 시작해서 끝을 매번 길게 끌며 내리는 식. 처음 몇 문장은 그럴듯한데 세 문장만 지나도 노래 후렴처럼 들려. 한국어 낭독에서는 특히 "~습니다아" 하고 끝을 올렸다 내리는 버릇이 자주 지적돼.

좋은 억양은 의미를 따라가. 새로운 정보, 대비되는 말, 핵심 숫자에 높낮이나 세기가 실리고, 이미 나온 정보는 힘을 빼. 그리고 문장이 끝날 때는 자연스럽게 내려와서 "이 생각은 여기서 끝"이라는 신호를 줘. 이걸 음성학에서는 하강 억양이라고 하는데, 평서문 끝의 하강이 분명해야 듣는 사람이 문장 경계를 쉽게 잡아.

2-4. 장르별로 원하는 톤이 달라

요즘 광고와 영상 시장의 트렌드를 보면 예전처럼 "자아, 여러분!" 하는 과장된 아나운서 톤보다 옆에서 말 걸듯 자연스러운 대화체(conversational)를 찾는 의뢰가 확실히 늘었어. 해외 성우 업계에서도 '아나운서처럼 하지 말아 달라(not announcer-y)'는 디렉션이 아주 흔하게 쓰여. 결국 톤은 '예쁜 소리'보다 '진짜 사람 같은 소리'가 대세라는 얘기야.

3. 속도(Speed): 빠르면 놓치고 느리면 졸리다

3-1. 영어권 기준값부터

영어 나레이션에서는 분당 단어 수(WPM)를 기준으로 많이 이야기해. 업계와 연구에서 자주 인용되는 대략적인 범위는 이래.

오디오북 쪽에서는 분당 150~160단어 정도가 듣기 편한 속도로 자주 언급되고, 그래서 1시간 오디오에 약 9,000~9,300단어가 들어간다는 계산이 업계 견적 기준으로 많이 쓰여. 물론 이건 평균값이지 정답은 아니야.

3-2. 한국어는 '음절 수'로 본다

한국어는 단어 수보다 분당 음절 수(SPM, syllables per minute)로 따지는 게 정확해. 국내 연구와 방송 현장에서 소개되는 수치를 보면, 뉴스 앵커의 낭독 속도는 대략 분당 300~350음절 안팎이 흔히 언급되고, 일상 대화는 개인차가 커서 그보다 빠른 경우도 많아. 교육용·다큐 나레이션은 내용 밀도에 따라 이보다 조금 느리게 가져가는 편이 일반적이야.

3-3. 속도는 '평균'보다 '변화'가 중요해

여기가 진짜 핵심이야. 잘하는 성우는 한 가지 속도로 쭉 가지 않아. 정보의 성격에 따라 속도를 바꿔.

이렇게 완급을 조절하면 듣는 사람은 무의식적으로 "느려졌네? 이건 중요한가 보다" 하고 귀를 세워. 속도 자체가 강조 장치가 되는 거지.

3-4. 영상 나레이션은 화면과의 싱크가 속도를 정한다

영상 쪽 나레이션은 내 마음대로 속도를 정할 수 없을 때가 많아. 컷 길이가 이미 정해져 있으면 그 안에 문장이 들어가야 하거든. 그래서 현장에서는 이런 방식으로 작업해.
• 원고 단계에서 컷 길이에 맞게 글자 수를 미리 맞춘다. (가장 좋은 방법!)
• 그래도 넘치면 속도를 억지로 올리기보다 원고를 줄이자고 제안한다.
• 영상 편집이 나레이션 녹음 후에 진행되는 경우, 나레이션 리듬에 맞춰 컷을 자르기도 한다.

광고는 15초, 30초처럼 길이가 정해져 있어서 특히 빡빡해. 15초 광고에 정보를 꾸역꾸역 넣으면 성우가 아무리 잘해도 답답하게 들려. 광고 업계에서 "글자를 줄여야 메시지가 산다"는 말이 괜히 나오는 게 아니야.

3-5. 빠른 속도의 진짜 범인은 발음

"빨라서 안 들린다"는 피드백, 사실은 속도보다 발음이 뭉개져서인 경우가 많아. 같은 속도라도 자음이 또렷하고 받침이 정확하면 충분히 잘 들려. 특히 한국어는 받침, 연음, 'ㅢ' 같은 이중모음, 장단음 처리에서 차이가 확 나.

예를 들어 '밟다'는 표준 발음이 [밥ː따], '맑게'는 [말께]야. '의'는 단어 첫머리에서는 [의], 조사로 쓰일 때는 [에]도 허용돼. 이런 표준 발음법을 익혀 두면 빠르게 읽어도 깔끔하게 들려. 국립국어원 표준국어대사전에서 단어별 발음 정보를 확인할 수 있어서 원고 준비할 때 유용해.

4. 쉼(Pause): 말하지 않는 순간이 말을 완성한다

개인적으로 셋 중에 제일 저평가된 게 이 '쉼'이라고 생각해. 초보일수록 말이 끊기는 게 무서워서 쉼 없이 쏟아내고, 고수일수록 쉼을 대담하게 써. 음악에 쉼표가 없으면 음악이 안 되잖아? 나레이션도 똑같아.

4-1. 쉼의 네 가지 역할

4-2. 쉼의 길이, 대략 이렇게 생각하면 돼

정해진 공식은 없지만, 낭독 교육에서 흔히 쓰는 상대적인 감각은 이래. 쉼표보다 마침표가 길고, 마침표보다 문단 전환이 길어.

문단이나 장면이 바뀔 때는 꽤 길게 쉬어도 괜찮아. 다큐멘터리 나레이션을 잘 들어 보면 영상이 흘러가는 동안 몇 초씩 아무 말도 안 하는 구간이 생각보다 많아. 그 침묵 동안 영상과 음악이 이야기를 하게 두는 거지. 나레이션은 영상의 주인이 아니라 영상과 함께 호흡하는 파트너라는 걸 기억하면 좋아.

4-3. 쉼을 망치는 흔한 실수

① 의미 덩어리 중간에서 끊기
"우리 동네 / 뒷산에 있는 / 오래된 소나무는"을 "우리 동네 뒷산에 / 있는 오래된 / 소나무는"처럼 끊으면 귀가 혼란스러워. 꾸미는 말과 꾸밈 받는 말은 웬만하면 붙여 읽어야 해.

② 숨이 차서 아무 데서나 쉬기
원고를 미리 안 보고 들어가면 숨이 모자라는 자리에서 어쩔 수 없이 끊게 돼. 그래서 프로들은 원고에 미리 숨 쉴 자리를 표시해 둬.

③ 쉼 대신 '음, 어' 채우기
말하다 보면 공백을 채우려고 "음…", "어…", "그…"가 튀어나와. 이런 걸 필러(filler)라고 하는데, 녹음물에서는 대부분 편집으로 잘라내야 해서 작업 시간이 늘어. 차라리 깨끗한 침묵이 백배 나아.

4-4. 원고에 쉼을 표시하는 법

많은 성우와 아나운서가 원고에 자기만의 기호를 그려. 정해진 국제 표준은 없지만 흔히 쓰는 방식은 이래.

예시를 하나 볼게.

"그런데" 뒤의 짧은 쉼이 긴장감을 만들고, "조금 달랐습니다"가 다음 이야기를 궁금하게 만들지. 쉼 하나로 스토리텔링이 생기는 거야.

5. 톤·속도·쉼은 따로 놀지 않는다

지금까지 셋을 나눠서 봤는데, 실제로는 한 몸처럼 움직여. 강조 하나를 예로 들어 볼게. 핵심 단어를 강조할 때 잘하는 성우는 보통 이렇게 동시에 해.

마지막 포인트 진짜 중요해. 강조 = 크게 말하기라고 생각하기 쉬운데, 속삭이듯 낮추는 것도 훌륭한 강조야. 핵심은 주변과 다르게 만드는 거거든. 계속 큰 소리로 말하다가 갑자기 낮추면 그게 강조가 되는 원리지.

6. 세 기둥을 받치는 바닥: 호흡과 발성

톤·속도·쉼이 기둥이라면 호흡은 바닥이야. 바닥이 흔들리면 기둥도 다 흔들려.

6-1. 복식 호흡, 왜 다들 그렇게 강조할까

숨을 들이쉴 때 어깨가 올라가는 흉식 호흡은 공기량이 적고 목과 어깨에 긴장을 만들어. 반대로 횡격막을 아래로 내리며 배와 옆구리가 넓어지는 호흡은 공기를 더 안정적으로 쓰게 해 줘. 덕분에 긴 문장도 끝까지 같은 톤을 유지할 수 있고, 쉼 자리에서 빠르고 조용하게 숨을 채울 수 있어.

6-2. 목 관리 기본기

• 수분: 성대 점막은 촉촉해야 잘 진동해. 녹음 전 물을 충분히 마시고, 녹음 중엔 상온의 물을 홀짝이는 게 좋아.
• 피할 것: 녹음 직전 유제품, 과한 카페인, 기름진 음식은 입안 침 소리(립 노이즈)나 가래를 늘린다는 경험담이 많아.
• 웜업: 입술 떨기(립트릴), 허밍, 혀 운동, 아·에·이·오·우 크게 벌려 말하기.
• 휴식: 장시간 녹음은 중간중간 쉬어 줘야 소리 품질이 유지돼. 목이 쉬었을 때 속삭이는 건 오히려 성대에 부담이 될 수 있다고 알려져 있어.

7. 녹음 환경도 '목소리'의 일부다

아무리 톤·속도·쉼이 완벽해도 방이 울리거나 잡음이 많으면 듣는 사람은 그냥 '음질이 별로'라고 느껴. 홈레코딩 시대라 이 부분도 꼭 알아 두자.

레벨은 가장 큰 소리가 0dBFS를 넘지 않도록 여유 있게 잡는 게 기본이야. 디지털 녹음에서 0을 넘으면 소리가 찌그러지는 클리핑이 생기고, 이건 나중에 되돌리기 어려워. 그래서 보통 평균 대화 레벨이 -18~-12dBFS 근처, 피크가 -6dBFS 정도 아래로 오게 맞추는 걸 많이 권해.

납품 기준도 알아 두면 좋아. 예를 들어 오디오북 플랫폼 ACX(아마존 오디블 계열)는 RMS -23~-18dB, 피크 -3dB 이하, 노이즈 플로어 -60dB 이하 같은 기술 기준을 공개하고 있어. 방송 쪽은 국가·방송사별로 라우드니스 기준이 있는데, 국제적으로는 ITU-R BS.1770 측정 방식과 EBU R128(-23 LUFS) 같은 기준이 대표적이야. 유튜브는 재생 시 대략 -14 LUFS 근처로 음량을 정규화하는 것으로 널리 알려져 있어.

[나레이션 녹음 레벨 체크 예시]
평균 말소리   : -18 ~ -12 dBFS
최대 피크     : -6 dBFS 이하 권장 (절대 0 초과 금지)
방 잡음       : 최대한 낮게 (ACX 기준 -60 dB 이하)
샘플레이트    : 44.1kHz 또는 48kHz (영상용은 48kHz 많이 사용)
비트 깊이     : 24bit 녹음 후 납품 규격에 맞춰 변환

8. 실전 훈련 루틴: 오늘부터 바로 해보자

이론은 충분히 봤으니 이제 진짜 연습법을 알려줄게. 하루 20~30분이면 충분해.

8-1. 셀프 체크리스트

9. 마지막 한 끗: '읽지 말고 말하라'

성우 업계에서 오래전부터 내려오는 조언이 있어. "Don't read, talk." 원고를 읽는 게 아니라 원고의 생각을 누군가에게 전하라는 뜻이야. 톤·속도·쉼을 아무리 정교하게 설계해도, 머릿속에 듣는 사람이 없으면 소리가 공중에 붕 떠.

그래서 많은 성우가 녹음할 때 구체적인 한 사람을 떠올려. 다큐라면 "궁금한 거 많은 조카에게", 광고라면 "이 제품이 진짜 필요한 친구에게", e러닝이라면 "처음 입사해서 긴장한 신입에게". 이렇게 상대를 정하면 톤은 자연스럽게 따뜻해지고, 속도는 상대가 이해할 만큼 맞춰지고, 쉼은 상대가 고개 끄덕일 시간만큼 생겨. 신기하게 세 가지가 동시에 해결돼.

요즘은 AI 음성 합성(TTS) 기술이 정말 좋아져서 문장을 매끄럽게 읽는 건 기계도 꽤 잘해. 그런데 오히려 그래서 사람 나레이터의 가치는 맥락을 이해한 쉼, 감정을 담은 톤 변화, 듣는 사람을 배려한 속도에서 더 분명하게 드러나고 있어. 디렉터의 의도를 읽고 즉석에서 "조금 더 따뜻하게", "한 박자 쉬고"를 반영하는 능력은 여전히 사람 성우의 강점이지.

만약 내 목소리를 객관적으로 평가받거나 직접 나레이션 작업을 의뢰·판매해 보고 싶다면, 재능넷 같은 재능 공유 플랫폼에서 활동 중인 성우·나레이터들의 샘플을 들어보며 비교해 보는 것도 좋은 공부가 돼. 다양한 톤과 장르의 샘플을 듣다 보면 "아, 이 장르엔 이런 속도구나" 하는 감이 금방 와. 실력이 쌓이면 재능넷에서 직접 나레이션 재능을 선보이며 실전 경험을 쌓는 것도 충분히 가능한 길이야.

참고 자료

• 국립국어원 표준국어대사전 및 표준 발음법 (https://stdict.korean.go.kr)
• ACX Audio Submission Requirements (https://www.acx.com/help/acx-audio-submission-requirements/201456300)
• EBU R 128 Loudness Normalisation (https://tech.ebu.ch/publications/r128)
• ITU-R BS.1770, Algorithms to measure audio programme loudness (https://www.itu.int/rec/R-REC-BS.1770)
• Titze, I. R. Principles of Voice Production (음성 생성과 기본주파수 관련 기초 이론)