실제로 하는 일

긴 이름 뒤에 있는 일은 소박하다. Ultimate Vocal Remover는 음원 분리를 하는 오픈소스 도구로, 한 곡을 목소리와 반주로 나눈다. 또는 목소리만 지우고 반주를 남긴다. 커버나 리믹스, 2차 창작을 하는 사람에게는 가장 먼저 거치는 준비 단계다.

가장 눈에 띄는 성질은 설치하면 바로 돈다는 점이다. 공식 설치 파일이 화면과 파이썬, PyTorch, 나머지 의존성을 함께 담고 있고, 별도의 사전 조건이 필요 없다고 설명에 분명히 적혀 있다. 내려받아 설치하면 그대로 쓴다.

공식 설명은 진보한 음원 분리 모델로 음성 파일에서 목소리를 없앤다고 말한다. 여기서 중요한 것은 분리이지 여과가 아니라는 점이다. 어떤 대역을 잘라내는 것이 아니라, 어느 성분이 목소리고 어느 성분이 반주인지 모델이 판단해 각각을 독립된 음의 줄로 다시 세운다.

패키지에 든 모델의 대부분은 프로젝트 자체의 성과다. Demucs의 네 줄 모델을 빼면, 동봉된 모델은 모두 UVR 핵심 개발자가 학습시킨 것이라고 공식은 밝힌다. 즉 설치한 뒤 화면에서 고를 수 있는 모델의 출처는 분명하다. 남의 곡을 다루는 도구로서는 그냥 넘길 점이 아니다.

딸려 오는 도구들

표준 분리 말고도 곁들인 도구가 있다. 시간 늘이기와 음높이 바꾸기이고, 둘 다 Rubber Band 라이브러리에 기댄다. wav가 아닌 형식의 음성을 다루려면 FFmpeg가 필요하다. 공식은 실행 파일을 앱 폴더에 그대로 넣는 설치 없는 방식도 알려 주는데, 환경 변수를 건드리고 싶지 않은 사람에게 맞는다.

세 환경에서 설치하기

윈도우는 설치 파일을 받는다. 윈도우 10 이상이 필요하고, 반드시 C 드라이브에 넣어야 한다. 다른 드라이브에 넣으면 불안정해진다고 공식이 따로 경고한다. AMD Radeon이나 Intel Arc 카드라면 DirectML 판으로 바꿀 수 있지만, AMD 카드 지원은 아직 제한적이라고 공식도 인정한다.

macOS는 Big Sur 이상이 필요하고 M1과 Intel용을 따로 받는다. M1의 MPS 가속이 Demucs v4와 MDX-Net 모델 전체로 넓어졌다고 공식은 설명하며, 첫 실행에는 5분에서 10분이 걸릴 수 있다.

Linux는 손으로 하는 절차가 제시된다. Debian 계열과 Arch 계열 배포판을 대상으로, 먼저 FFmpeg와 파이썬 패키지 관리자, tk 구성 요소를 설치하고, 다음에 가상 환경을 만들어 의존성을 넣고, 마지막에 스크립트로 실행한다.

하드웨어 하한과 의존성

카드 이야기는 이런 도구가 피할 수 없는 주제다. 제시된 하한은 Nvidia GTX 1060 6GB이고, 8GB 이상을 권한다. 지원하는 것은 64비트 환경뿐이다. 변환 시간은 하드웨어에 크게 좌우된다고 덧붙이는데, 분리 모델 자체가 계산이 무거운 부하이기 때문이다.

전용 카드가 없어도 돌아가지만 마음의 준비가 필요하다. CPU로 돌리면 분리에 걸리는 시간이 음성 자체의 길이보다 확실히 길어진다. 안전한 방법은 짧은 음성으로 한 번 끝까지 돌려 설정이 맞는지 확인한 뒤 앨범 한 장을 처리하는 것이다. 처음부터 긴 소재로 시작하면 기다리는 시간만 남는다.

라이선스는 MIT

코드는 MIT로 공개되어 있다. 공식은 제3자 개발자에게 한 줄을 덧붙인다. 이 모델들을 자기 앱에 넣는다면 MIT 방식에 맞춰 UVR과 그 개발자를 밝혀 달라는 뜻이다. 느슨한 허가와 모델 출처의 명확함이 같은 부류의 닫힌 도구보다 긴 흐름에 두기 쉬운 이유다.

작은 안심도 있다. 앱은 닫을 때 설정을 기억해서, 켤 때마다 다시 맞출 필요가 없다.

어떤 사람에게 맞나

가끔 한 곡의 반주가 필요할 뿐이라면 브라우저에서 도는 도구로 충분하다. 하지만 여러 파일을 다뤄야 하고, 모델을 바꿔 가며 비교해야 하고, 음성을 남의 서버에 올리고 싶지 않다면 손안에서 도는 도구의 값이 드러난다. 한 번 설치하면 그 뒤의 분리는 모두 내 기계에서 끝난다.

미리 적어 둔다. 분리 품질은 모델과 소재에 크게 좌우되고, 이 모델들이 계산이 무겁다고 공식도 인정한다. 누르면 완벽한 결과가 나오는 도구가 아니라 준비의 첫 단계로 보는 편이 맞다. 나눈 뒤의 음의 줄은 대개 음성 편집 도구에서 한 차례 다듬어야 한다.