Daily News Korea

[태그:] 음악

  • 매트모스 멤버가 신보에서 분노 대신 고요를 골랐다

    매트모스 멤버가 신보에서 분노 대신 고요를 골랐다

    실험음악 듀오 매트모스(Matmos)의 절반인 드류 대니얼이 솔로 프로젝트 ‘소프트 핑크 트루스’ 이름으로 새 앨범을 냈다. 제목부터 길다. 《Shall We Go On Sinning So That Grace May Increase?》. 스릴 자키(Thrill Jockey) 레이블에서 2020년 5월 1일 나온 이 앨범, 그의 커리어 전체를 통틀어도 손에 꼽을 만큼 낯설다. 늘 시끄럽고 짓궂었던 사람이 갑자기 조용해졌으니까.

    매트모스라는 이름만으로는 설명이 안 되는 사람

    매트모스는 마틴 슈미트와 드류 대니얼, 둘로 이뤄진 실험음악 듀오다. 《A Chance to Cut Is a Chance to Cure》 같은 앨범을 남겼고, björk의 명반 《Vespertine》 프로덕션에도 참여했다. 실험음악과 팝 사이를 아무렇지 않게 오가는 몇 안 되는 사람 중 하나다.

    여기서 끝이 아니다. 온라인에서 장난삼아 지어낸 가짜 음악 장르 이름이 진짜 밈처럼 퍼진 적도 있고, 존스홉킨스대에서는 문학을 가르친다. 교수다. 이쯤 되면 한 사람이 감당할 정체성의 개수를 넘어선 느낌마저 든다.

    원래 소프트 핑크 트루스는 이런 프로젝트가 아니었다

    초기 콘셉트는 블랙메탈 명곡을 하우스 비트로 뒤집으면서 악마 목소리와 짓궂은 농담을 얹는 거였다. 신성모독에 가까운 유머로 마니아를 모았다. 그 이력을 아는 사람이라면 이번 신보 앞에서 한 번쯤 멈칫하게 된다.

    • 과거작: 블랙메탈 커버, 악마 목소리 샘플, 노골적인 농담
    • 이번 신보: 몽환적이고 미니멀한 앰비언트, 명상에 가까운 톤
    • 변하지 않은 것: 드류 대니얼 특유의 정교한 사운드 디자인

    2016년의 분노를 그는 다르게 풀었다

    드류 대니얼은 2016년 미국 대선 결과에 슬픔과 분노를 동시에 느꼈다고 말한 적 있다. 그해 많은 뮤지션이 그 감정을 공격적인 사운드로 쏟아냈다. 그는 반대로 갔다. 이른바 ‘분노한 백인 남성’ 스타일 대신 최면적이고 치유적인 앰비언트를 골랐다. 이 선택 하나가 앨범 전체를 설명한다.

    결과물은 최면적(hypnotic)이고, 치유적(healing)이고, 어딘가 희망적(hopeful)이다. 딥 댄스뮤직과 클래식 미니멀리즘 사이 어디쯤. 저항을 시끄러움이 아니라 고요함에서 찾은 셈이다.

    평단은 후하게 매겼다

    메타크리틱 기준 8개 매체 리뷰를 모아 87점. 실험음악치고 이례적으로 높은 점수다. 한 평론가는 “짓궂은 디스코그래피 한가운데 자리한 평온의 섬”이라고 썼고, 다른 쪽에서는 “사운드 자체는 급진적이지 않지만 대니얼 개인에게는 급진적인 전환”이라 짚었다.

    신보수주의와 파시즘을 향한 음악적 비판은 보통 분노와 공격성으로 터져 나온다. 그런데 이번엔 반대다. 차분한 전자음 레이어로 파고든 선택이 뜻밖이면서도 묘하게 설득력 있다고, 몇몇 매체는 짚었다.

    한국 리스너에게는 뭐가 남나

    매트모스나 소프트 핑크 트루스, 국내에서 대중적인 이름은 아니다. 그래도 밴드캠프로 해외 실험음악을 직접 사서 듣는 리스너층은 꾸준히 늘어나는 중이다. 팬데믹 이후 명상·힐링 콘텐츠 수요가 커지면서 앰비언트 장르 전반에 대한 관심도 함께 붙은 흐름과도 맞물린다.

    정치적 분노를 고요함으로 풀어낸 이번 접근, 국내 인디·일렉트로닉 신에서도 참고할 만하다. 사회적 메시지가 꼭 격렬한 사운드여야 할 필요는 없다는 걸, 이 앨범이 조용히 증명한다.

    더 버지(The Verge)가 전한 리뷰를 바탕으로 정리했다. 원문은 여기에서 확인할 수 있다.

    관련 기사

  • Suno vs Udio 직접 써봤다 — AI 음악 생성 툴, 인디 아티스트한텐 뭐가 맞나

    Suno vs Udio 직접 써봤다 — AI 음악 생성 툴, 인디 아티스트한텐 뭐가 맞나

    텍스트 몇 줄 쳤더니 30초 만에 노래가 나왔다. 보컬까지. 2~3년 전이면 SF 소설 얘기였을 텐데, Suno와 Udio가 이걸 현실로 만들어버렸다. 인디 씬에서 AI 음악 생성 툴 얘기가 계속 나오고 있는 건 사실인데, 막상 어떤 걸 써야 하는지, 저작권은 어떻게 되는지 모르고 쓰는 경우가 많다. 두 툴의 실제 차이와 인디 아티스트가 현실적으로 써먹을 방법을 정리했다.

    Suno와 Udio, 뭐가 다른가

    Suno는 지금 가장 많이 쓰이는 AI 음악 생성 툴이다. 장르 이름이나 분위기를 텍스트로 입력하면 보컬까지 들어간 완성형 곡이 나온다. 팝, 록, 힙합 같은 주류 장르에서 완성도가 안정적이고, 인터페이스가 단순해서 처음 써보는 사람도 5분이면 첫 곡이 나온다. 진짜 5분.

    Udio는 음악적 뉘앙스 표현에 강점이 있다는 평가를 받는다. 특정 악기 배치나 리듬 패턴을 세밀하게 지정하는 게 가능해서, 장르 특유의 질감을 살리고 싶을 때 선택지가 된다. 다만 그만큼 손이 좀 간다.

    • Suno: 초보자 친화적, 완성도 높은 풀 트랙, 빠른 생성 속도
    • Udio: 음악 디테일 조정 가능, 장르 특성 재현에 유리, 실험적 사운드에 강함

    둘 다 무료 티어가 있다. 월정액을 내면 생성 횟수가 늘어나고 상업적 이용 권한도 생긴다.

    실제로 써보면 어떻게 다른가

    Suno에 "late night jazz, sad vibes, female vocals"라고 입력하면 2분짜리 완성곡이 30초 만에 나온다. 보컬 톤, 피아노 반주, 베이스라인이 맞아떨어지는데, 처음 써보면 진짜 당황스러울 정도다. 좋은 의미로.

    Udio는 손이 좀 간다. "80년대 신스팝 스타일에 드럼 머신 강조"처럼 구체적으로 쓸수록 결과가 좋아진다. 반대로 뭉뚱그린 지시어를 주면 기대에 못 미치는 경우가 생긴다. 솔직히 번거롭긴 하다.

    음질은 둘 다 스트리밍 플랫폼에 올릴 수 있는 수준이다. 단, 가사가 영어 위주고, 간혹 음절이 어긋난 발음이 나온다. 아직 한계다.

    저작권 문제, 미리 알아야 나중에 안 당한다

    AI 음악 툴 쓸 때 가장 자주 나오는 질문이 "저작권은 괜찮냐"다. 솔직히 말하면, 지금 상황이 완전히 안전하진 않다.

    Suno와 Udio는 현재 미국 음반사들로부터 저작권 소송을 받고 있다. 훈련 데이터에 저작권 있는 음악을 무단으로 썼다는 이유다. 소송 결과에 따라 서비스 구조가 바뀔 여지가 있다. 진짜로.

    생성된 음악의 저작권은 플랜마다 다르다.

    • Suno 유료 플랜: 생성한 곡의 상업적 이용 허용, 저작권은 사용자에게 귀속
    • Udio 유료 플랜: 마찬가지로 상업적 이용 가능, 플랫폼 정책 내에서
    • 무료 플랜: 두 툴 모두 비상업적 이용만 허용

    약관이 수시로 바뀐다. 상업적으로 쓸 생각이라면 현재 약관을 직접 확인하는 게 필수다. 스포티파이는 이미 AI 생성 곡에 별도 레이블을 붙이는 방향으로 움직이고 있고, 스트리밍 플랫폼에 올릴 때 AI 생성 음악임을 공개해야 하는 규정도 점점 늘어나는 추세다.

    인디 아티스트가 현실적으로 쓰는 방법

    AI 음악을 바로 "완성품"으로 내놓는 건 아직 리스크가 크다. 법적 불확실성도 있고, 청중 반응도 갈린다. 작업 보조 도구로 쓰는 게 현실적이다.

    • 데모 제작: 정식 녹음 전에 곡의 분위기를 AI로 먼저 잡는다. 악기 편성이나 장르 방향을 실험하는 용도로 쓰면 시간이 많이 줄어든다.
    • 레퍼런스 생성: "이런 느낌의 곡을 원한다"고 말로 설명하기 어려울 때, AI로 만들어서 세션 뮤지션이나 프로듀서에게 보여주는 커뮤니케이션 도구로 쓰기 좋다.
    • 배경음악 제작: 유튜브, 팟캐스트, 릴스 배경음 등 직접 쓸 음악을 만들 때 활용도가 높다.
    • 창작 슬럼프 탈출: AI 생성 곡을 들으면서 멜로디나 코드 진행 아이디어를 얻는 방식이다. 결과물을 그대로 쓰는 게 아니라 자극제로 활용하는 것.

    AI 음악 인큐베이터 프로그램이란

    최근 Suno 같은 AI 음악 플랫폼들이 인디 아티스트를 대상으로 인큐베이터 프로그램을 운영하기 시작했다. The Verge 보도를 보면, Suno의 ‘Spark’ 프로그램은 서명하지 않은 독립 아티스트를 대상으로 그랜트, 멘토십, 마케팅 지원을 제공한다.

    • 그랜트(보조금): 음악 제작비, 장비 구입비 등 실질적인 지원금
    • 멘토십: 업계 전문가와의 1:1 또는 그룹 멘토링
    • 마케팅 지원: 플랫폼 내 노출 기회, 소셜 미디어 캠페인 등

    플랫폼 입장에서는 우수한 창작자를 끌어들이고 AI 툴 사용을 확산시키면서 콘텐츠를 풍성하게 만드는 전략이다. 아티스트 입장에서는 AI를 단순 도구로만 쓰는 게 아니라 플랫폼 생태계 안으로 들어가는 통로가 된다. 단, 영어권 프로그램이 많다. 한국 아티스트가 접근하려면 영어 포트폴리오와 글로벌 계정 운영이 먼저 되어 있어야 한다.

    AI가 음악을 만드는 시대, 아티스트에게 남는 것

    AI가 음악을 만들 수 있다면, 인간 아티스트의 역할은 뭐가 남을까. 이 질문이 불안하게 느껴진다면 방향을 조금 바꿔볼 필요가 있다.

    AI는 청중과의 관계를 못 만든다. 라이브 공연, 팬과의 소통, 개인적인 스토리텔링 — 이 영역은 대체가 안 된다. 반면 AI 툴을 능숙하게 다루는 아티스트는 제작 비용을 줄이고 더 빠르게 실험하는 이점을 챙길 수 있다. 결정적으로, AI를 먼저 익힌 아티스트가 앞서간다는 건 이미 여러 업계에서 반복되고 있는 패턴이다.

    Suno와 Udio 모두 무료 플랜으로 시작할 수 있다. 일단 써보고 직접 판단하는 게 맞다. 쓰다 보면 어디에 맞고 어디에 안 맞는지 금방 보인다.

    출처: The Verge

    관련 기사

  • 수노 ‘Spark’ 인큐베이터 — AI 스트리밍 플랫폼이 인디 음악가를 직접 키운다

    수노 ‘Spark’ 인큐베이터 — AI 스트리밍 플랫폼이 인디 음악가를 직접 키운다

    수노(Suno)가 ‘Spark’라는 이름의 인큐베이터를 출범했다. 텍스트 한 줄 넣으면 노래 뚝딱 만들어주던 그 수노가, 이번엔 아예 신인 뮤지션을 직접 발굴하겠다고 나선 것이다. 멜로디 자판기에서 기획사로. 변신의 폭이 제법 크다.

    Spark, 어떤 프로그램인가

    지원 대상은 레이블과 계약하지 않은 독립 음악가들이다. 미계약 싱어, 송라이터, 프로듀서가 신청할 수 있고, 선발되면 지원금(그랜트), 업계 전문가 멘토링, 마케팅 지원이 패키지로 제공된다. The Verge 보도를 보면, 수노는 이 프로그램을 통해 플랫폼 내 콘텐츠 생태계를 인간 창작자 중심으로 넓히겠다는 의도를 분명히 했다.

    솔직히, AI 음악 서비스가 인간 아티스트를 직접 지원하겠다고 나선 게 아직 좀 낯설다. 기존 AI 음악 서비스들은 어디까지나 ‘도구’였다. 수노는 그 선을 넘어 기획사, 레이블, 플랫폼의 역할을 한꺼번에 가져가려 한다.

    소송 한가운데서 꺼낸 카드

    타이밍이 묘하다. 2024년 미국음반산업협회(RIAA)가 수노와 유디오(Udio)를 저작권 침해로 고소했다. 아티스트 동의 없이 기존 음악을 AI 학습 데이터로 썼다는 혐의다. 소송이 아직 진행 중인 상황에서 인디 아티스트 지원 프로그램을 전면에 내세운 건, 어떻게 봐도 음악 업계와의 관계 회복 시도로 읽힌다.

    “우리는 아티스트를 착취하지 않는다”는 메시지를 말이 아닌 행동으로 보여주겠다는 것. 이 의도를 순수하게 받아들이는 시선만 있는 건 아니지만.

    스트리밍 플랫폼으로 — 스포티파이와 같은 링에

    수노의 진짜 그림은 AI 음악과 인간 음악을 함께 유통하는 스트리밍 플랫폼이다. Spark는 그 구조에서 ‘콘텐츠 파이프라인’ 역할을 맡는다. 수노가 발굴한 아티스트가 수노 플랫폼에 계속 곡을 공급하는 식이다.

    • AI 생성 음악 + 인간 창작 음악의 혼합 플랫폼
    • 인디 아티스트 → 수노 발굴 → 수노 플랫폼 유통
    • 광고·구독 수익 모델로 확장

    유료 구독자 2억 5천만 명을 보유한 스포티파이와 정면 승부하기보다는, ‘AI 네이티브 플랫폼’이라는 차별점으로 틈새를 파고드는 전략이다. 후발 주자로선 현실적인 선택이기도 하다.

    인디 뮤지션 입장에선 — 지원인가, 함정인가

    양면이 있다. 지원금과 멘토링은 분명 매력적이다. 레이블 없이 혼자 활동하는 뮤지션에게 마케팅 지원은 현실적으로 큰 도움이 된다. 문제는 AI 기업의 생태계에 묶인다는 점이다.

    핵심 쟁점은 음악 저작권의 귀속과 AI 학습 데이터 활용 여부다. 미국 음악인 연맹 AFM은 AI 기업과 계약할 때 조건을 꼼꼼히 따져보라고 공식 권고하고 있다. Spark 참여 아티스트의 음악이 수노 AI 모델 훈련에 쓰일 가능성을 계약서에서 명확히 차단하지 않으면, 단기 지원금이 장기 권리 손실로 돌아올 수 있다. 이건 그냥 넘길 대목이 아니다.

    AI 음악 시장 판도

    현재 AI 음악 생성 시장엔 수노, 유디오, 에이바(AIVA), 뮤직LM이 경쟁 중이다. 이 중 수노는 사용자 친화적 인터페이스와 음질로 가장 넓은 사용자층을 확보했다는 평가를 받는다. AI가 만든 곡이 유튜브와 틱톡에서 수억 회 이상 재생된 사례도 이미 나왔고, 음원 차트에 오른 전례도 있다.

    업계 리서치 회사 마켓앤마켓(MarketsandMarkets)은 글로벌 AI 음악 생성 시장이 2028년까지 연평균 28% 이상 성장할 것으로 전망한다. Spark는 이 흐름을 타고 수노가 플랫폼 기업으로 올라서려는 시도다.

    K팝과 인디 씬 — 한국 음악 산업의 셈법

    이 흐름은 한국 음악 시장과도 직결된다. SM엔터테인먼트, 하이브, JYP 등 대형 기획사는 이미 AI 작곡·음원 제작 도구 도입을 검토 중이다. 홍대 인디 씬이나 유튜브 기반 1인 뮤지션들은 수노 같은 툴을 가장 빠르게 받아들이는 계층이기도 하다.

    Spark가 글로벌로 확장돼 국내 인디 아티스트에게도 문이 열린다면, 국내 독립 음악가가 실리콘밸리 AI 기업의 콘텐츠 공급망에 편입되는 시나리오도 현실이 된다. 단기적으로는 노출과 자금 지원이라는 이점이 있지만, 저작권 구조와 플랫폼 종속성은 꼼꼼히 따져봐야 한다. 지금이 딱 그 타이밍이다.

    멜론·지니·플로 입장에서도 수노가 스트리밍 시장에 본격 진입하면, AI 생성 음원과 인간 창작 음원이 뒤섞인 경쟁에 대비해야 한다. 저작권법 개정 논의와 함께, 국내 음악 생태계가 이 변화를 어떻게 수용할지 논의가 시급하다.

    출처: The Verge

    관련 기사

  • 콜드코트 《Hands Up》 — 하이퍼팝인 척하다 팝 펑크 꺼내는 남매 듀오

    콜드코트 《Hands Up》 — 하이퍼팝인 척하다 팝 펑크 꺼내는 남매 듀오

    더 버지(The Verge)가 올해 주목할 신인으로 콜드코트(Cold Court)를 꼽았다. 필라델피아 출신 남매 듀오. 데뷔 EP 《Hands Up》이 “전염성 강한 글리치 장르 매시업”이라는 평을 받으며 인디 커뮤니티에서 빠르게 퍼지고 있다. 조용한 등장이라고 부르기엔 반응이 심상치 않다.

    하이퍼팝, 아직 끝나지 않았다

    2020년대 초 100 Gecs가 하이퍼팝을 주류로 끌어올린 이후 이 장르는 빠르게 포화 상태가 됐다. 과도한 비트, 오토튠, 왜곡된 보컬이 사방에서 터지니 “다 비슷하다”는 피로감이 쌓였다. 콜드코트는 그 피로감을 역이용한다. 하이퍼팝 문법은 빌리되, 팝 펑크와 이모(emo) 감성을 섞어 단순 장르 모방을 피했다.

    표면은 하이퍼팝인데, 듣다 보면 마이 케미컬 로맨스나 패러모어 멜로디 라인이 슬쩍 고개를 든다. 그 낯섦이 오히려 귀를 붙잡는다. 더 버지가 “메시 수프(messy soup)”라고 표현했는데, 이상하게 맛있다는 게 딱 맞는 말이다.

    필리 사운드라는 배경

    콜드코트는 오빠-여동생 조합이다. 필라델피아는 소울, 힙합, 펑크가 공존하는 도시다. 그 잡식성 음악 문화가 이들 작법에 자연스럽게 녹아들었다.

    남매 구성은 단순 홍보 포인트가 아니다. 오랜 시간 같은 음악을 듣고 자란 사람들의 호흡은 세션 뮤지션 조합과 다르다. “Dumbest Girl Alive”에서 보컬 레이어링이 자연스럽게 맞물리는 건 그 결과다. 서로의 취향을 이미 내면화한 상태에서 출발하니 실험적 방향에서도 중심이 흔들리지 않는다.

    EP 트랙에서 들리는 것들

    《Hands Up》은 단일 장르로 묶기 어렵다. 글리치 사운드가 곡 구조를 흩트리는 것처럼 보이면서도 후렴에서 귀에 박히는 팝 훅이 살아 있다. 더 버지의 평처럼 “장난스럽게 윙크”하는 순간들이 곳곳에 숨어 있다.

    • 팝 펑크 기타 리프 위에 하이퍼팝 비트를 얹는 방식
    • 이모 특유의 감정 과잉을 디지털 왜곡으로 재해석
    • 100 Gecs식 카오스를 유지하면서도 멜로디 가독성 확보
    • 30초 안에 훅을 터뜨리는 틱톡 친화적 구조

    결과물은 혼란스럽다. 근데 중독성이 강하다. 한 트랙이 끝나기 전에 이미 다음 트랙이 궁금해진다. 장르 문법을 깨는 곡들이 이렇게 자연스럽게 연결되는 건 흔한 일이 아니다.

    하필 지금 데뷔한 이유

    하이퍼팝 전성기가 지나가고 있다는 말이 나오는 시점에 데뷔 EP를 냈다. 역설적이다. 콜드코트는 장르 쇠퇴기에 편승한 게 아니라 장르가 충분히 소화된 시점을 기다린 것처럼 보인다. 100 Gecs 팬과 원 다이렉션 팬이 같은 플레이리스트를 공유하는 소셜 미디어 환경에서, 팝 펑크와 하이퍼팝의 교집합은 생각보다 넓은 잠재 청중을 가진다.

    스포티파이, 틱톡, 유튜브 쇼츠가 만들어놓은 지금의 음악 소비 환경은 장르 경계를 흐렸다. 30초 안에 귀를 잡아야 하는 구조에서 콜드코트의 글리치 훅은 구조적으로 유리하다. 알고리즘이 장르를 구분하지 않는 시대에 장르를 구분하지 않는 음악이 더 잘 퍼진다.

    K-팝 팬도 관심 가져볼 이유

    한국 시장에서 하이퍼팝은 아직 틈새 장르다. 그런데 뉴진스·에스파·aespa 등이 전자음악과 팝의 경계를 허무는 작업을 이미 해왔다. 콜드코트가 지향하는 방향성은 K-팝이 실험적으로 건드리고 있는 영역과 교차한다. “팝이지만 팝이 아닌” 미학이라는 지점에서 겹친다.

    틱톡으로 서구 인디 음악을 접하는 Z세대 한국 리스너에게 《Hands Up》은 자연스러운 선택지가 된다. 빌리 아일리시와 올리비아 로드리고를 거쳐 온 귀라면 콜드코트의 글리치 팝 공식이 낯설지 않다. 국내 스트리밍 차트에 오르기엔 아직 이르지만, 인디 씬 플레이리스트와 음악 커뮤니티에서 이름이 먼저 돌기 시작하는 건 시간 문제다. 이런 밴드를 남들보다 일찍 아는 것 자체가 하나의 취향 포인트가 되는 시대이니까.

    출처: The Verge

    관련 기사

  • AI 학습 데이터에 1,200만 곡이 들어갔다. 내 음악도?

    AI 학습 데이터에 1,200만 곡이 들어갔다. 내 음악도?

    탐사 기자 한 명이 업계 전체를 긁었다. The Atlantic의 Alex Reisner가 AI 모델 학습에 사용된 음악 데이터셋 4개를 발굴해 직접 검색 도구까지 만들어 공개했다. 이 중 가장 큰 두 개만 봐도 1,200만 곡과 900만 곡. 나머지 두 개도 수십만~수백만 곡 규모로 추정된다.

    숫자부터 보면

    스포티파이에 등록된 곡이 약 1억 곡이다. 그럼 1,200만 + 900만만 해도 전체의 10~20%를 건드리는 셈이다. 단순 샘플링이 아니다. 업계 전체를 훑은 수준이다.

    • 1번 데이터셋: 1,200만 곡
    • 2번 데이터셋: 900만 곡
    • 3~4번 데이터셋: 수십만~수백만 곡 규모로 추정

    게다가 학습 대상이 가사 텍스트가 아니다. 멜로디, 리듬, 화성 구조, 그러니까 음악 자체다. Reisner 기자가 만든 검색 도구에 아티스트 이름이나 곡명을 입력하면 자기 음악이 데이터에 들어갔는지 직접 확인된다.

    동의는 받은 건가

    AI 기업들이 음악 데이터를 모으는 방식은 크게 두 가지다. 정식 라이선스 계약을 맺거나, 인터넷에 공개된 음원을 크롤링하거나. 솔직히 후자가 압도적으로 많다.

    AI 음악 생성 모델의 대표 주자인 Suno와 Udio는 저작권자 동의 없이 수집된 음원으로 학습됐다는 의혹을 받고 있다. 미국 레코드 레이블 연합(RIAA)이 이미 두 회사를 상대로 저작권 침해 소송을 제기했고, 판결이 나오려면 시간이 걸리겠지만 데이터 증거 확보 싸움은 이미 시작됐다.

    뮤지션들이 이 DB에 몰리는 이유

    법적 대응의 출발점. 그게 핵심이다.

    ‘내 음악이 AI 학습에 쓰였다’는 주장을 법정에서 입증하려면 증거가 있어야 한다. 해당 데이터셋에 자기 곡이 포함됐다는 걸 구체적으로 제시해야 소송이 진행된다.

    • 아티스트, 작곡가, 레이블이 직접 자기 곡 검색 가능
    • 법원 제출용 증거 자료로 활용 여지
    • DMCA 기반 삭제 요청 근거로 사용 가능
    • 계약 협상 시 데이터 사용 실태 파악 수단

    탐사보도 기자 한 명이 만든 검색 도구 하나가 업계 전체의 법적 지형을 흔들 수 있는 게 바로 이 때문이다.

    4개가 전부가 아니다

    Reisner 기자가 발굴한 4개 데이터셋을 빙산의 전부라고 보기 어렵다. AI 기업들은 자체적으로 데이터를 수집하고 관리하는 경우가 많고, 공개되지 않은 내부 데이터셋이 이보다 훨씬 클 수도 있다.

    학습 데이터 투명성을 요구하는 목소리는 커지고 있지만 대부분의 AI 기업들은 세부 내역을 공개하지 않는다. 상업적 이해관계와 법적 리스크가 얽혀 있어서다. The Atlantic의 이번 작업이 탐사보도인 이유가 여기에 있다. 기업들이 숨기고 싶어 하는 데이터를 외부에서 역추적해 끄집어냈다는 점에서 의미가 다르다.

    하나 더. 미래의 학습 데이터 문제도 있다. 공개된 4개는 과거에 수집된 것들이다. 지금도 새로운 음원이 수집되고 있을 가능성이 충분하고, 그 데이터는 아직 어디에도 공개된 게 없다.

    K-팝은 이미 타깃이다

    국내 뮤지션들이 이걸 남의 일로 볼 수 없는 이유는 단순하다. K-팝은 이미 전 세계에서 스트리밍된다. 해외 플랫폼에 올라간 음원은 크롤링 대상이 됐을 가능성이 높다.

    BTS, 블랙핑크, 뉴진스 같은 글로벌 스트리밍 수억 회짜리 곡들이 이 데이터셋에서 빠져 있다고 보기 어렵다. 하이브, SM, YG, JYP 같은 기획사들이 저작권 관리에 얼마나 적극적으로 나서느냐가 앞으로의 판도를 가를 것이다.

    국내 법제 측면에서도 시사점이 있다. 한국저작권위원회와 문화체육관광부 차원에서 AI 학습 데이터 관련 논의가 진행 중이지만 EU AI Act와 비교하면 법제화 속도가 느리다. 이번 DB 공개가 ‘내 음악도 들어가 있나’를 직접 확인하는 계기가 되면서, 정책 논의를 앞당기는 압력으로 작용할 것이다. 결국 이건 기술 문제가 아니다. 창작의 가치를 누가 소유하느냐는 싸움이다.

    출처: The Verge

    관련 기사

  • 애쉬님프 데뷔 EP, ‘댄스 고스 록’ 새 지평 열까?

    애쉬님프 데뷔 EP, ‘댄스 고스 록’ 새 지평 열까?

    런던 언더그라운드에서 밴드 하나가 튀어나왔다. 이름은 애쉬님프(Ashnymph). 데뷔 EP 하나로 더 버지(The Verge)가 “전율이 흐르는 개막을 알리는 일격”이라고 썼다. 데뷔작에 이런 말이 붙는 경우는 많지 않다. 오랜 친구한테 링크를 받아 처음 들었는데, 솔직히 첫 30초부터 달랐다.

    애쉬님프는 뭐 하는 팀?

    영국 런던 기반 밴드다. 장르 표기는 ‘댄스 고스 록’인데, 처음 들으면 좀 낯설다. 포스트 펑크의 어두운 멜로디, 크라우트록 특유의 기계적 반복 리듬, 인더스트리얼의 거친 노이즈를 한 솥에 끓인 사운드라고 보면 된다. 세 장르를 섞는다고 다 되는 건 아닌데, 애쉬님프는 그 조합을 자기 것으로 만드는 데 성공했다. 적어도 데뷔 EP 수준에서는.

    ‘Childhood’ EP — 실제로 어떻게 들리나

    EP 제목은 “Childhood”. 보컬은 리버브(reverb) 레이어를 두껍게 쌓아서 꿈속에서 들리는 것처럼 처리했다. 가사가 명확하게 들리지 않는다는 게 오히려 매력이다. 이건 취향 갈릴 수 있다. 그러다가 갑자기 ‘포 온 더 플로어(four-on-the-floor)’ 킥드럼이 터진다. 이 낙차가 꽤 효과적이다.

    • 보컬 처리: 리버브를 겹겹이 쌓아 몽환적 분위기 연출 — 가사보다 질감이 먼저 들린다
    • 리듬 구성: 댄스 플로어용 four-on-the-floor 킥에 크라우트록식 반복 패턴을 얹음
    • 장르 레이어링: 포스트 펑크 + 크라우트록 + 인더스트리얼, 억지스럽지 않게 엮음

    한 곡 안에서 분위기가 급격하게 전환된다. 조용히 가라앉다가 갑자기 에너지를 올리는 구성. 이미 존재하는 공식이지만, 이들은 그 전환을 자연스럽게 처리한다. 억지로 드라마틱하게 밀어붙이지 않는다는 게 포인트다. EP 전체를 관통하는 긴장감이 한 곡 한 곡 쌓이면서 누적된다.

    그래서 뭐가 다른가

    데뷔작치고 완성도가 높다. 런던 인디 씬에서 나오는 밴드들이 흔히 빠지는 함정 — 레퍼런스가 너무 티 나거나, 장르 실험이 산만하게 끝나거나 — 을 애쉬님프는 피해 갔다. 이미 있는 사운드 요소들을 쓰면서도 결과물이 자기들 색깔로 들리는 건 쉬운 일이 아니다. 더 버지가 굳이 리뷰를 썼다는 것 자체가 신호다. 런던 언더그라운드 씬이 날 것 그대로의 에너지를 어떻게 음악으로 바꾸는지, 이 EP에서 잘 보인다. 시대적 레퍼런스를 흡수하면서도 자기 미학을 구축했다 — 이게 이 밴드를 단순한 데뷔작 이상으로 만드는 이유다.

    국내 씬에 던지는 질문

    ‘댄스 고스 록’이 한국에서 주류가 될 거라는 얘기는 아니다. 현실적으로 어렵다. 다만 스포티파이나 유튜브로 장르 경계 없이 음악을 소비하는 청취자층이 늘면서, 이런 실험적 사운드가 마니아층을 확보하는 속도는 확실히 빨라졌다. 국내 인디 뮤지션 입장에서는 참고할 레퍼런스가 하나 더 생긴 셈이기도 하다. K-팝 바깥의 스펙트럼에서 뭔가를 만들려는 사람들에게는 꽤 유용한 사례다. 결국 좋은 음악은 설명이 필요 없다. 애쉬님프의 “Childhood” EP, 직접 들어보는 게 답이다.

    출처: The Verge

    관련 기사

  • Suno AI 사용법, 나만의 노래 만들기 완벽 가이드

    Suno AI 사용법, 나만의 노래 만들기 완벽 가이드

    악기 하나 못 다뤄도 괜찮다. Suno AI는 텍스트 몇 줄만 입력하면 보컬, 가사, 반주가 모두 들어간 노래를 뚝딱 만들어낸다. BGM 수준이 아니다. 실제로 사람이 부르는 것처럼 들리는 곡이 나온다. AI 음악 서비스 중에서도 보컬 생성 품질로 현재 가장 앞서 있다는 평가를 받는 Suno, 제대로 쓰는 법을 정리했다.

    Suno AI, 정확히 어떤 서비스인가?

    텍스트 프롬프트를 입력하면 30초~1분 분량의 노래를 자동으로 만들어주는 생성형 AI 서비스다. 한 번 생성하면 두 가지 버전이 나온다. 장르, 분위기, 가사 내용을 설명하면 AI가 작곡부터 편곡, 보컬까지 전부 처리한다.

    기존 AI 음악 서비스들이 연주곡에 머물렀던 것과 달리, Suno는 자연스러운 보컬 생성이 된다. 영어는 물론 한국어 가사도 꽤 자연스럽게 부른다. 솔직히 처음 들으면 “이게 진짜 AI야?” 싶을 정도다. 아이디어만 있으면 누구든 프로듀서가 될 수 있다는 말이 과장이 아니다.

    초간단 1분 완성: 기본 모드 사용법

    Suno를 처음 쓴다면 기본 모드(Simple Mode)부터 시작하는 게 맞다. 복잡한 설정 없이 바로 곡이 나온다. 과정은 세 단계뿐이다.

    • 1단계: 곡 설명 입력 — ‘Create’ 탭의 ‘Song Description’ 입력창에 만들고 싶은 노래를 자유롭게 적는다. ‘주말 오후 해변에서 듣기 좋은 밝은 시티팝’처럼 상황과 장르를 섞어주면 결과가 훨씬 낫다.
    • 2단계: 만들기(Create) — ‘Create’ 버튼을 누르고 기다린다. 보통 30초 안에 결과가 나온다.
    • 3단계: 결과 확인 — 약 30초~1분 길이의 곡 두 개가 생성된다. 들어보고 마음에 드는 걸 고르면 끝.

    이 정도만 해도 꽤 쓸 만한 결과물이 나온다. 다만 퀄리티를 한 단계 올리고 싶다면 프롬프트에 좀 더 신경 써야 한다. 여기서 갈린다.

    퀄리티를 높이는 프롬프트 작성법

    Suno에서 원하는 결과를 뽑는 핵심은 프롬프트다. AI가 이해할 수 있도록 구체적으로 써야 한다. 조합할 수 있는 요소는 네 가지다.

    • 장르 (Genre) — 기본이자 핵심. [City Pop], [Acoustic Ballad], [Hard Rock]처럼 대괄호에 넣어 명확히 지정한다.
    • 분위기 (Mood) — ‘신나는’, ‘슬픈’ 같은 막연한 표현보다 energetic, melancholic, dreamy, epic 같은 영어 단어가 더 잘 먹힌다.
    • 악기 구성 (Instrumentation) — 특정 악기 소리를 원할 때 쓴다. with a prominent bassline(베이스 강조), featuring a saxophone solo(색소폰 솔로 포함)처럼 구체적으로 지시할수록 좋다.
    • 보컬 스타일 (Vocal Style) — male vocalist, female soulful voice, rap verse 등 성별이나 스타일을 지정하면 완성도가 올라간다.

    실제 잘 되는 프롬프트 예시: [80s Synthpop], energetic and dreamy, about driving through Seoul at night, male vocalist with a clear voice, synth melody, drum machine

    이 구조로 쓰면 기본 모드 결과물과 체감 차이가 확실히 난다.

    프로처럼 작곡하기: 커스텀 모드 활용법

    Suno가 어느 정도 손에 익었다면 커스텀 모드(Custom Mode)로 넘어갈 차례다. 직접 가사를 쓰거나 곡의 구조를 세밀하게 제어하고 싶을 때 쓰는 기능이다.

    • 가사 (Lyrics) — 직접 쓴 가사를 붙여넣는다. [Verse], [Chorus], [Bridge], [Guitar Solo] 같은 구조 태그를 함께 써넣으면 곡의 흐름이 훨씬 자연스러워진다. 이 태그 하나 차이가 꽤 크다.
    • 음악 스타일 (Style of Music) — 앞서 설명한 프롬프트 요소들을 여기에 그대로 적용한다. 장르, 분위기, 악기 조합을 상세하게.
    • 제목 (Title) — 곡 제목을 직접 정할 수 있다.

    커스텀 모드의 진짜 강점은 ‘이어 만들기(Continue From This Song)’ 기능이다. 마음에 드는 1분짜리 곡이 나왔을 때, 이 기능으로 뒷부분을 계속 이어붙일 수 있다. 1절을 만든 뒤 ‘Continue’를 눌러 2절과 브릿지를 추가하는 방식으로 반복하면 3~4분 분량의 완성곡을 만드는 게 가능하다.

    나만의 시그니처 사운드 만들기

    매번 프롬프트를 새로 짜는 건 번거롭다. 일관된 스타일을 유지하고 싶다면 방법이 있다.

    핵심은 성공한 프롬프트를 저장해두는 것이다. 정말 마음에 드는 스타일의 곡이 나왔을 때, 해당 곡의 ‘음악 스타일’ 프롬프트를 따로 메모해둔다. 이 프롬프트를 기반으로 가사만 바꿔서 새 곡을 만들면, 같은 앨범에 수록된 것처럼 분위기가 통일된다. 일부 기능에서는 특정 목소리 톤이나 스타일을 아예 저장해두고 계속 불러와 쓰는 것도 지원한다. 나만의 ‘AI 페르소나 가수’를 고정해두는 셈이다.

    저작권과 상업적 이용, 어디까지 되나

    AI로 만든 음악을 마음대로 써도 될까. Suno의 정책은 유료/무료 플랜에 따라 다르다.

    • 유료 구독자 (Pro, Premier) — 유료 플랜으로 생성한 음악의 소유권은 기본적으로 사용자에게 있다. 유튜브, 스트리밍 플랫폼, 광고 등 상업적 목적으로 사용하는 게 허용된다.
    • 무료 사용자 (Free) — 무료 플랜으로 만든 곡은 비상업적 용도에만 쓸 수 있다. 개인 감상이나 공유는 괜찮지만 수익 창출은 안 된다.

    결정적으로, 이 정책은 언제든 바뀔 수 있다. 상업적 이용을 고려한다면 공개하기 전에 Suno의 최신 서비스 이용 약관을 직접 확인하는 게 안전하다. 실제로 정책 변경 후 문제가 생긴 사례가 있다.

    출처: The Verge AI

    관련 기사

  • AI 음악 추천, 이젠 정말 쓸만할까? 서비스별 장단점 비교

    AI 음악 추천, 이젠 정말 쓸만할까? 서비스별 장단점 비교

    집중하려고 ‘차분한 재즈’ 플레이리스트를 틀었더니 세 번째 곡부터 갑자기 보사노바가 흘러나왔다. 분위기가 달라도 너무 달랐다. AI가 추천해줬다고 믿었던 목록인데. 이런 경험 한 번쯤은 있을 것이다. 스포티파이, 애플 뮤직, 유튜브 뮤직 — 다들 AI 추천을 무기로 내세우는데, 실제로는 얼마나 쓸 만할까.

    AI 음악 추천이 하는 일, 구체적으로

    AI 음악 추천은 인기 차트를 보여주는 게 아니다. 개인 청취 이력을 기반으로 ‘나만의 플레이리스트’를 자동으로 짜주는 기술이다. 단순히 들은 횟수만 세는 게 아니라, 재생 후 스킵했는지, 얼마나 반복 재생했는지, 특정 시간대에 어떤 장르를 찾는지까지 분석한다.

    실질적으로 제공하는 기능은 크게 세 가지다.

    • 맥락 기반 플레이리스트: ‘출근길 활기찬 팝’이나 ‘고요한 밤 명상 음악’처럼 상황을 입력하면 그에 맞는 곡 목록을 뽑아준다. AI가 개인 음악 비서 역할을 하는 셈이다.
    • 새 아티스트 발굴: 기존에 좋아하던 음악과 비슷하면서도 처음 듣는 곡들을 연결해준다. ‘내 취향 확장’ 믹스 같은 기능이 여기 해당한다.
    • 감정·활동 기반 추천: 운동 중이거나 공부할 때, 혹은 단순히 기분이 처진 날 — 그 상태에 맞는 곡을 제안한다. 직접 검색하기 귀찮을 때 꽤 유용한 기능이다.

    음악 스트리밍 시장의 경쟁이 갈수록 치열해지면서, 이 AI 추천 기능이 서비스 간 핵심 차별점으로 굳어지는 중이다.

    스포티파이, 애플 뮤직, 유튜브 뮤직 — 각자 뭐가 다른가

    셋 다 AI 추천을 하지만, 방식과 강점은 제법 다르다. 하나씩 짚어보자.

    • 스포티파이: 개인화 추천의 기준점
      AI 추천 하면 대부분 스포티파이를 먼저 떠올린다. ‘발견 믹스(Discover Weekly)’, ‘데일리 믹스(Daily Mix)’, 그리고 최근 도입한 ‘AI DJ’까지. AI DJ는 선곡과 동시에 DJ처럼 코멘트를 넣어 라디오 듣는 것 같은 분위기를 만든다. 청취 데이터를 정밀하게 쌓아 사용자 취향을 깊이 학습한다는 점이 가장 큰 강점이다. 다만 써보면 알겠지만, 가끔 너무 익숙한 곡만 반복 추천하는 게 좀 지루하게 느껴질 때가 있다.
    • 애플 뮤직: 음질과 기기 연동이 전부
      애플 기기를 쓰는 사람에겐 자연스러운 선택이다. 아이폰·아이패드·맥 간 연동이 끊김 없고, 무손실 오디오와 공간 음향을 지원한다. AI 추천은 ‘즐겨찾는 노래 믹스’, ‘새로운 음악 믹스’ 등을 제공하며, 텍스트 프롬프트로 플레이리스트를 생성하는 기능도 최근 추가됐다. 솔직히 여기서 갈린다 — The Verge 보도에 따르면, ‘분위기 있는 연주 블랙 메탈’ 같은 섬세한 장르·무드 요청에는 AI가 완전히 따라가지 못하는 경우가 있다.
    • 유튜브 뮤직: 라이브러리 크기가 압도적
      공식 음원뿐 아니라 라이브 공연, 커버 영상, 리믹스까지 포함된다. 유튜브 전체 생태계가 뒤에 있으니 라이브러리 폭은 당연히 넓다. 개인화 추천은 시청·청취 이력 기반으로 이뤄지며, ‘믹스테이프’나 ‘나만의 플레이리스트’로 제공된다. 다만 음악 외 콘텐츠(뮤직비디오, 유사 영상 등)가 섞여 들어오는 게 단점이라는 평이 꾸준히 나온다. 순수하게 음악만 듣고 싶을 때 방해가 된다.

    AI는 어떻게 취향을 배울까

    알고리즘이 단순히 “많이 들은 곡 = 좋아하는 곡”으로만 보지는 않는다. 데이터를 여러 층으로 쌓는 구조다.

    • 행동 데이터: 재생, 스킵, ‘좋아요’, 플레이리스트 추가 — 모든 클릭이 데이터가 된다. 30초 듣고 넘긴 곡과 세 번 반복한 곡은 알고리즘에 완전히 다른 신호로 잡힌다.
    • 콘텐츠 분석: 음악 자체의 템포, 장르, 분위기, 악기 구성, 가사 주제까지 분해해서 라벨을 붙인다. 이 라벨이 비슷한 곡들을 묶어준다.
    • 협업 필터링: 나와 A·B 두 곡 모두 좋아하는 사람이 C도 자주 들었다면, AI는 내게도 C를 추천할 가능성이 높다고 본다. “비슷한 취향의 사람들은 이런 것도 들었어요”의 원리다.
    • 딥러닝 + 자연어 처리(NLP): ‘비 오는 날 듣기 좋은 감성적인 팝’처럼 텍스트로 입력한 요청을 AI가 해석하려면 NLP가 필요하다. 뉘앙스를 얼마나 정확히 읽느냐가 서비스 간 품질 차이를 만든다.

    그래도 여전히 아쉬운 것들

    AI 추천이 꽤 발전했지만, 한계도 뚜렷하다. 그냥 쓰다 보면 느낀다.

    • 감정의 복잡함을 못 따라간다: ‘슬프지만 희망적인’, ‘격정적이면서 고요한’ — 이런 복합 감정을 AI는 아직 잘 못 잡는다. ‘블랙 메탈’을 요청하면 빠른 비트와 거친 보컬에만 반응하고, ‘연주곡’이나 ‘분위기’라는 사용자의 의도는 흘려버리는 식이다. 미묘한 뉘앙스를 놓칠 여지가 크다. 이건 좀 과한 기대였을 수도 있지만, 그렇다고 납득이 되진 않는다.
    • 콜드 스타트 문제: 처음 가입했거나 갑자기 새 장르를 탐색하기 시작한 경우, 축적 데이터가 없어서 추천이 부실해진다. 한동안은 직접 검색할 수밖에 없다.
    • 필터 버블: 좋아할 만한 것만 계속 추천하다 보면, 결국 비슷한 음악만 도는 현상이 생긴다. 취향의 폭이 좁아지는 부작용이다. 의도적으로 ‘좋아요’를 안 누르거나, 새 플레이리스트를 직접 검색해봐야 빠져나올 수 있다.
    • 인간 큐레이션의 자리: 음악 전문가가 문화적 맥락을 읽고 고른 플레이리스트는 AI가 쉽게 따라 하기 어렵다. 데이터로 처리하기 힘든 ‘영감’의 영역이 분명히 있다.

    서비스 고를 때 실제로 따져볼 것

    취향보다 환경이 먼저다. 어떤 기기를 쓰느냐에 따라 최적 서비스가 달라진다.

    • 애플 기기 중심이라면: 애플 뮤직이 연동성 측면에서 유리하다. 아이폰·맥·에어팟 간 끊김이 없다.
    • 안드로이드·멀티기기 사용자라면: 스포티파이나 유튜브 뮤직이 더 유연하다. 플랫폼 제약이 적다.
    • 니치한 장르나 인디 음악을 좋아한다면: 스포티파이의 데이터 기반 추천이 강점을 발휘하는 구간이다. 대중적이지 않은 곡일수록 협업 필터링의 깊이가 드러난다.
    • 새 음악 발굴이 목표라면: 스포티파이 ‘발견 믹스’나 ‘AI DJ’가 효과적이다. 안정적으로 좋아하는 곡 위주로 듣고 싶다면 애플 뮤직이나 유튜브 뮤직도 충분하다.
    • 음질이 최우선이라면: 무손실 오디오와 공간 음향을 지원하는 애플 뮤직이 현재 기준으로 가장 위다. 가족 요금제나 구독료 정책도 서비스마다 다르니 비교해보는 게 좋다.

    다음 수순은 — 멀티모달 추천의 시대

    AI 음악 추천은 계속 바뀐다. 텍스트 기반 요청을 처리하는 수준에서, 앞으로는 감정 상태나 주변 환경까지 분석해 더 정밀한 추천을 내놓는 방향으로 간다. 대화형 AI(LLM)와 결합이 고도화되면, ‘오늘 날씨에 어울리는, 긍정적인 메시지를 담은 어쿠스틱 팝을 틀어줘’ 같은 복합 요청도 무리 없이 처리될 것이다.

    시각 정보나 생체 데이터까지 활용하는 멀티모달 방향도 열려 있다. 결국 AI는 인간의 음악 경험을 더 풍부하게 만드는 도구로 자리를 굳힐 테고, 섬세한 취향을 얼마나 잘 읽느냐를 두고 서비스들 사이의 경쟁은 계속될 것이다.

    출처: The Verge AI

    관련 기사