본문 바로가기

칼럼 · 경영

모션그래픽에 목소리를 입히다

김태훈 컨설턴트치과의사신문 게재

교육자료와 통계 대시보드를 영상으로 바꾸는 3단계 워크플로우 치과경영 기획연재 - 노션 기반 치과 경영관리 시스템 구축 ⑨

1. 그림은 멈춰 있고, 설명은 글로 남는다

치과 교육자료는 대개 그림 한 장과 설명 몇 줄이다. 우식 진행 4단계 그림을 신입직원에게 건네면 혼자 읽어야 한다. 어느 순서로 봐야 하는지, 어디서 멈춰 생각해야 하는지는 그림이 알려주지 않는다. ‘어떻게 진행되는가’라는 질문의 답은 결국 보는 사람 머릿속에서 재생되어야 한다.

영상이면 해결되지만 대개 거기서 멈춘다. 촬영 장비도 편집 인력도, 성우 비용도 없다. 그런데 앞선 회차에서 다뤘듯 화면은 HTML로 만들 수 있고, 목소리는 이제 합성할 수 있다. 둘을 잇기만 하면 된다. 지난 회차 끝에 예고한 연차관리 백엔드 편은 다음 회차로 미루고, 이번에는 이 연결을 다룬다.

2. 세 도구를 잇는 워크플로우

전체는 세 단계다.

첫째, 자료를 주면 Claude가 모션그래픽 HTML과 대본을 만든다. 둘째, 그 대본을 일레븐랩스에 붙여넣어 음성 파일을 받는다. 셋째, 그 음성 파일을 다시 Claude에게 주면 화면 구간을 음성에 맞춰 다시 계산한다. 가운데 한 단계만 외부 도구이고 앞뒤는 같은 자리에서 이어진다.

중요한 것은 이 세 단계가 매번 처음부터 지시해야 하는 작업이 아니라는 점이다. 각 단계를 스킬로 등록해두면 “이 자료로 모션그래픽 만들어줘” 한 마디에 전체 규칙이 따라온다. 스킬 등록은 뒤에서 따로 다룬다.

3. 1단계: 그림은 따라 그리지 않고 새로 그린다

자료를 읽은 뒤 그림은 SVG로 새로 그린다. 원자료의 일러스트를 따라 그리지 않는 이유는 세 가지다. 남의 그림을 그대로 쓸 수 없고, 다크 모드에서 색이 깨지며, 무엇보다 비트맵 이미지는 움직이지 않는다. 우식이 법랑질에서 상아질로 번지는 장면을 만들려면 병변의 외곽선이 숫자로 되어 있어야 한다.

복사기와 갈라지는 지점은 하나 더 있다. 자료를 읽으면서 원자료의 오류를 함께 모은다는 규칙이다.

오른쪽의 그림 ①은 흔히 쓰이는 우식 진행 그림인데, 치주인대 라벨이 ‘Periodontel ligamant’로 표기가 두 군데 틀렸고 통증 설명은 This stages painful처럼 문법이 어긋나 있다. 더 중요한 것은 네 번째 단계를 Periodontitis로 표기한 점이다. 그림이 가리키는 것은 치근단 농양인데 이 단어는 국내 임상에서 통상 치주염으로 읽힌다. 신입 교육자료에서 이 혼동은 그대로 남는다. 자료를 건네면 이런 것들이 목록으로 올라오고, 교정해 반영할지 원본을 유지할지 묻고 넘어간다.

4. 만들기 전에 장면 표부터

바로 그리지 않는다. 구간과 길이, 화면 연출, 대본 초안과 글자수가 적힌 장면 표를 먼저 보여주고 승인을 받는다. 다 만든 뒤에 “장면 순서를 바꾸자”는 말이 나오면 전부 다시 만들어야 하기 때문이다.

길이는 분량에 따라 정한다. 장면 3~7개, 장면당 8~14초, 전체 30초에서 3분. 여기서 실무적인 수치 하나가 나온다. 대본 허용 글자수는 구간 초 × 6음절 × 0.9다. 실제로 재어보니 낭독 속도가 약 6.5음절/초였다. 이 계산 없이 대본을 쓰면 거의 언제나 화면보다 말이 길어진다.

5. 2단계: 대본을 목소리로

여기서 쓰는 것은 TTS(Text to Speech), 글을 소리로 바꾸는 기술이다. 치과가 이미 쓰고 있는 음성 기술은 대개 반대편인 STT(Speech to Text)다. 회의 녹음을 받아쓰는 미팅 노트, 상담 녹취록, 진료 중 음성 차팅이 모두 STT다. STT는 이미 벌어진 말을 기록으로 남기고 TTS는 준비한 글을 말로 내보낸다. 확인할 자리도 반대다. STT는 받아쓴 결과를, TTS는 넘기기 전 원고를 봐야 한다. 둘을 이어 붙이면 월례 회의를 받아쓰고 정리해 교육자료로 만든 뒤 내레이션을 입히는 흐름이 된다.

대본은 코드블록 한 장으로 받는다. 타임코드도 표도 화살표 기호도 넣지 않는다. 일레븐랩스 입력창에 그대로 붙여넣는 것이 목적이기 때문이다. 단계 구분은 “첫 번째, 법랑질 우식입니다”처럼 귀로 들어도 나뉘게 쓴다.

그림 ③이 일레븐랩스 음성 생성 화면이다. 즉시 음성 복제는 10초 분량 오디오로 본인 목소리를 복제하고, 프로페셔널 음성 복제는 30분 이상 샘플로 더 사실적인 결과를 낸다. 보이스 디자인은 없던 목소리를 만든다. 원장이 직접 설명하는 교육 영상이라면 첫 번째로 충분하다. 요령이 하나 있다면 전체 대본을 한 번에 생성하는 것이다. 끊어 생성하면 톤과 속도가 미세하게 달라져 이어 붙였을 때 차이가 들린다.

6. 3단계: 화면을 음성에 맞춘다

보통은 화면을 만들고 거기에 맞춰 읽는다. 이 방식은 반대다. 음성이 먼저 완성되고 화면이 거기에 맞춰 늘어나거나 줄어든다.

방법은 무음 구간을 찾는 것이다. 음성 파일에서 일정 길이 이상 조용한 구간을 뽑으면 그것이 문장 경계다. 대본을 마침표로 끊었을 때 문장이 열 개라면 그 사이 쉬는 자리는 아홉 개여야 한다. 개수가 맞으면 자동 정렬하고, 맞지 않으면 감지 기준을 조정한 뒤 그래도 안 맞으면 후보 경계표를 보여주고 확인을 받는다. 추측으로 맞추지 않는다.

문장이 나오는 시각을 알면 그 순간에 연출을 걸 수 있다. “갈색으로 변합니다”에 맞춰 색이 바뀌고 “고름이 생깁니다”에 맞춰 농양이 커진다. 다만 이렇게 하려면 화면이 몇 초 지점을 넣는 즉시 그 순간의 장면을 그려내도록 만들어져 있어야 한다. 처음부터 순서대로 재생해야만 맞는 구조로 만들면 나중에 음성에 맞출 수 없다.

7. 통계 대시보드에도 같은 방식이 적용된다

이 워크플로우는 임상 교육에만 쓰이지 않는다. 앞서 다룬 동적 대시보드를 떠올려보자. 대시보드는 보는 사람이 직접 눌러야 하고, 어느 차트를 먼저 봐야 하는지 말해주지 않는다. 월별 매출 꺾은 선에서 8월이 왜 솟았는지는 화면에 적혀 있지 않다.

같은 데이터로 3분짜리 브리핑 영상을 만들면 순서가 생긴다. 총 매출 추세를 먼저 보여주고, 과목별 구성비로 넘어가고, 이번 달 이상치에서 멈춘다. 원장 보고나 월례 회의에는 이쪽이 낫다. 대시보드는 질문이 있는 사람을 위한 도구이고 영상은 아직 질문이 없는 사람을 위한 도구다. 둘은 대체재가 아니라 역할이 다르다. 실무적으로는 이미 만들어둔 계산기나 대시보드를 그림 ②처럼 그대로 입력으로 주면 된다.

8. 스킬로 등록하기

여기까지의 규칙을 매번 설명할 수는 없다. 그래서 스킬로 등록한다. 방법은 간단하다. 폴더를 하나 만들고 그 안에 SKILL.md 파일 한 장을 둔다. 파일 맨 위에 name과 description을 적고 그 아래에 본문을 쓴다.

핵심은 description이다. 이것이 호출 조건이 된다. ‘모션그래픽 스킬’처럼 적으면 언제 불러야 할지 알 수 없다. 어떤 입력을 받아 무엇을 만들 때 쓰는지를 적어야 한다. 그림 ④의 description이 자료 종류를 하나하나 나열한 것은 그래서다.

본문에는 네 가지를 담는다. △매번 지킬 고정 원칙 △승인 게이트 △산출물 구조와 검증 항목 그리고 시행착오 기록이다. 마지막 항목이 실은 가장 값이 나간다. 라벨이 배경 무늬에 묻혀 안 읽혔던 일, 다크 모드에서 흰 법랑질의 하이라이트가 검게 보였던 일. 적어두지 않으면 다음에 똑같이 겪는다. 스킬은 지시문이 아니라 쌓이는 문서다.

9. 사람이 확인해야 하는 것

무음 정렬은 받아쓰기로 대조한 것이 아니라 개수를 맞춘 것이다. 대부분 맞지만 한 번은 들어보고 도입부와 단계 경계에서 말과 화면이 어긋나지 않는지 확인해야 한다.

임상 내용은 더 그렇다. 원자료의 오류를 잡아낸다고 썼지만 그 교정안이 옳은지는 결국 사람이 판단한다. 교육자료는 한 번 만들면 수십 명이 같은 내용을 배우므로 틀린 내용이 조용히 퍼진다. 보험청구나 재무 수치가 들어간 브리핑 영상이라면 숫자의 출처를 확인한 뒤 내보내야 한다. 목소리에도 선이 있다. 복제해도 되는 것은 본인 목소리이거나 동의를 받은 목소리뿐이다.

10. 교육자료가 거쳐온 다섯 단계

치과 교육자료는 매체를 바꾸며 진화해왔다. 워드 문서는 글과 그림을 한 페이지에 담았다. 슬라이드로 넘어오면서 내용이 장으로 쪼개져 순서가 생겼고, 애니메이션이 붙으면서 요소가 하나씩 등장해 설명의 타이밍까지 담겼다. 모션그래픽은 변화 자체를 보여준다. 우식이 번지는 과정처럼 정지 화면으로는 담기지 않는 것들이다. 그리고 마지막이 여기에 내레이션을 입힌 형태다. 앞의 네 단계는 설명할 사람을 전제했지만 이 단계는 전제하지 않는다. 신입직원이 혼자 틀어도 같은 내용이 같은 순서로 전달된다.

이것이 궁극적 진화형태인 이유는 생성보다 유지보수에 있다.

워드와 슬라이드는 고치려면 사람이 다시 열어 손봐야 하고 애니메이션이 붙으면 더 그렇다. 모션그래픽과 내레이션은 HTML 한 파일과 텍스트 한 장이다. 내용이 바뀌면 그 둘을 고치고 음성을 다시 만들면 끝이고, 재료가 모두 텍스트라서 AI가 읽고 고칠 수 있다.

여기에 스킬이 규칙을 붙들어주면 열 번째 자료도 첫 번째와 같은 품질로 나온다. 생성과 유지보수가 같은 방식으로 돌아가는 지점, 그것이 AI 기반 치과병의원 교육자료가 도달할 마지막 단계다.

교육자료는 한 번 만들고 끝나지 않는다. 장비가 바뀌고 규정이 바뀌고 사람이 바뀐다. 모션그래픽에 나레이션을 입힌 자료는 고칠 자리가 파일 두 개뿐이라 다시 만들기가 처음 만들기보다 쉽다.

치과의사신문에 연재된 글입니다. 원문 보기

이 고민, 우리 병원 이야기인가요?

글에서 다룬 문제는 토탈 컨설팅에서 병원에 맞게 함께 풉니다.

전화 문의 카카오톡 문의