AI는 ‘슬픈 장면’과 ‘이별 장면’의 차이를 압니다
기존 음악 라이브러리에서 “슬픈”을 검색하면, ‘sad’ 태그가 붙은 곡이 수십 개 나옵니다. 하지만 같은 슬픔이라도 결이 다르다는 걸 우리는 알고 있죠.
- 사랑하는 사람과 이별하는 슬픔
- 오랜 친구를 떠나보내는 아쉬움
- 돌이킬 수 없는 실수를 깨달은 후회
- 누군가를 잃은 뒤의 텅 빈 공허함
모두 ‘슬프지만’, 필요한 음악은 전혀 다릅니다.
기존 태그 시스템의 한계
대부분의 음악 라이브러리는 태그 기반으로 작동합니다. 각 곡에 “Sad”, “Emotional”, “Dramatic” 같은 라벨을 붙이고, 사용자가 태그를 선택하면 해당 곡들을 보여주는 방식이죠.
이 방식의 문제점은 명확합니다:
태그는 평면적입니다
“Sad” 태그에는 잔잔한 피아노 곡부터 통곡하는 느낌의 오케스트라까지 모두 포함됩니다. 같은 태그를 달고 있어도 곡의 감정 밀도와 방향은 천차만별이에요.
태그는 맥락을 모릅니다
“Happy”와 “Upbeat”이 동시에 필요한 상황과, “Happy”이면서 “Calm”한 상황은 완전히 다릅니다. 하지만 태그를 조합해봐야 교차 영역이 너무 넓거나 너무 좁아집니다.
태그는 주관적입니다
같은 곡을 듣고 누군가는 “Melancholic”이라 하고, 누군가는 “Nostalgic”이라 합니다. 태그를 붙인 사람의 주관에 따라 분류가 달라지기 때문에, 검색 결과의 일관성이 떨어집니다.
PROBGM의 AI는 키워드가 아닌, 맥락을 이해합니다
PROBGM의 AI는 단순히 단어를 매칭하지 않습니다. 여러분이 설명한 장면의 맥락, 등장인물의 감정, 이야기의 흐름을 종합적으로 분석합니다.
“주인공이 빈 방에 혼자 앉아서 떠난 사람의 사진을 보는 장면”
이 설명에서 AI가 파악하는 것들:
- 공간: 빈 방 → 공허함, 고립감
- 행동: 사진을 보는 → 회상, 그리움
- 관계: 떠난 사람 → 상실, 이별
- 감정 방향: 폭발적 슬픔이 아닌, 조용한 상실감
“졸업식 끝나고 친구들과 마지막으로 손 흔드는 장면”
이 설명에서 AI가 파악하는 것들:
- 상황: 졸업식 → 성취와 끝남의 공존
- 관계: 친구들 → 유대감, 함께한 시간
- 행동: 손 흔들기 → 이별이지만 긍정적 마무리
- 감정 방향: 따뜻한 아쉬움, 미래에 대한 기대
둘 다 슬프지만, 전자에는 깊은 상실감이, 후자에는 따뜻한 아쉬움이 담긴 곡이 어울립니다. AI는 이 차이를 이해하고, 각각에 맞는 다른 곡을 추천합니다.
감정의 밀도를 높여주는 음악
콘텐츠에서 음악이 가장 빛나는 순간은, 영상이 전하려는 감정을 음악이 정확하게 증폭시킬 때입니다.
“좀 슬픈 느낌”이라고 대충 고른 음악과, “이별 후 혼자 남겨진 공허함”에 맞춰 선택한 음악은 시청자에게 전달되는 감정의 깊이가 다릅니다.
같은 장면, 다른 설명의 차이
한 커플이 벤치에 앉아있는 장면이라고 해봅시다.
- “커플이 나란히 벤치에 앉아 석양을 보는 로맨틱한 장면” → 따뜻하고 달콤한 음악
- “커플이 벤치에 앉아있지만 서로 말이 없는 어색한 장면” → 공허하고 미묘한 긴장이 있는 음악
- “커플이 벤치에서 함께 웃으며 아이스크림 먹는 장면” → 경쾌하고 사랑스러운 음악
같은 공간, 같은 인물이지만 맥락에 따라 완전히 다른 음악이 필요합니다.
여러분의 장면을 더 자세히 설명할수록
검색 결과는 더 정확해집니다. 단순히 “슬픈 음악”이라고 하기보다, 그 장면이 어떤 상황이고, 등장인물이 어떤 감정인지, 그 다음에 어떤 장면이 이어지는지까지 설명해보세요.
좋은 설명의 공식
[누가] + [어디서] + [무엇을 하는데] + [어떤 감정/분위기]
- “퇴사한 직장인이 + 텅 빈 사무실에서 + 짐을 싸고 있는데 + 후련하면서도 약간 씁쓸한”
- “아이가 + 처음 가본 바다에서 + 파도를 보고 놀라는데 + 설레고 경이로운”
AI가 여러분의 이야기를 이해할수록, 더 완벽한 음악을 찾아드릴 수 있습니다.
