음악은 인간을 정의하는 필수적인 요소 가운데 하나로, 음악을 위한 기술은 오랜 기간 빠르게 발전해 왔고, IP 네트워크에 의존하는 경향이 높아지고 있다. 최근에는 오디오 파일이나 스트림을 클라우드로 업로드하거나 다운로드할 때, 멀티미디어 제작 과정에서 편집을 하고 마스터링을 할 때, 고해상도 오디오 채널로 방송을 할 때 훨씬 높은 네트워크 대역폭이 요구된다. 멜라녹스 IP 기반 스위치는 다양한 기능을 통해 신뢰성이 매우 높은 비디오를 제공하는 동시에 성능이 증명된 낮은 지연, 고대역폭 연결성을 갖춘 효율적인 방송 네트워크를 보장한다. <편집자>

음악은 선사시대부터 존재했으며, 철학자 플라톤은 음악이 우주에 영혼을 불어넣고 마음에 날개를 달아주며 상상의 여행을 할 수 있도록 한다고 말했다. 매력적인 점은 음악이 두뇌의 전체를 활용하는 몇 가지 활동 중 하나라는 것이다. 음악을 들으면 성인의 면역체계가 개선된다는 점도 증명된 바 있는 등 음악은 의심할 여지없이 인간을 정의하는 필수적인 요소 가운데 하나다.

기술, 음악 확산에 큰 기여
지난 1월 말 제60회 그래미상 시상식이 열렸다. 수상자들은 그라모폰(Gramophone)이라고 불리는 상을 받았다. 그라모폰은 현대 레코드 플레이어의 탄생을 이끈 초기 버전의 기술로, 그라모폰 이후로 음악을 위한 기술은 오랜 기간 빠르게 발전을 거듭해왔다.

1888년 토마스 에디슨이 전기 모터 구동식 축음기를 발명했고, 1948년에는 콜럼비아레코드에서 분당 33과 1/3회전하는 비닐 레코드를 선보였다. 1954년에는 트랜지스터 라디오를 통해 음악을 휴대하며 들을 수 있게 됐고, 1982년에는 CD가 큰 인기를 얻었다. 이처럼 기술은 음악의 접근성과 품질을 새로운 차원으로 이끌어왔다.

음악의 소비와 제작 방법은 계속해서 큰 발전을 이루고 있으며 이러한 많은 발전은 네트워킹 산업에서 직접 제공된 혁신을 통해 가능했다. 음악은 점점 더 많이 전형적인 MTV 형식을 넘어선 방식으로 소비되고 있다.

기술은 모든 곳에서 음악이 확산될 수 있도록 했다. 디지털 형식은 음반 산업을 지배하게 됐으며 휴대용 MP3와 휴대전화, 웨어러블 기기들은 좋아하는 음악을 담아 둘 수 있게 했고, 전 세계 어디에서나 실시간으로 오디오 콘텐츠를 스트리밍할 수 있게 됐다.

이제는 유튜브나 아이튠즈에서 음악을 감상하는 것을 자연스럽게 생각한다. 하지만 오디오나 음악의 디지털화는 눈에 띄지 않는 곳에서 오랫동안 발전해 왔다. 56K 다이얼 모뎀으로 몇 메가바이트의 MP3를 다운로드하느라 얼마나 오래 기다렸는지 기억하는가? 그 속도로 무압축 고품질 FLAC(Free Lossless Audio Codec) 파일을 다운로드하는 일은 상상도 못할 것이다.

오디오 코덱의 진화를 통해 144kbps MPEG-2 오디오에서 4000kbps MPEG-4 스테레오 오디오로 발전을 이뤘다. MP3의 한 곡 용량은 표준 음질(예 256kbps)에서 무압축 고품질 (1Mbps 이상)으로 6~7배 높아졌다. 오늘날 5분 분량의 고품질 MP3 사운드트랙의 용량은 10MB를 쉽게 넘어간다.
많은 오디오 파일이나 스트림을 클라우드로 업로드하거나 다운로드할 때, 멀티미디어 제작 과정에서 편집을 하고 마스터링할 때, DAB와 FM HD 등 고해상도 오디오 채널로 방송을 할 때 훨씬 높은 네트워크 대역폭이 요구된다.

IP 기반 통신 기술, SDI와 같은 특화 시스템 밀어내
M&E(Media and Entertainment) 산업과 표준화 기관들은 이러한 거대한 요구들을 뒷받침할 수 있는 표준과 새로운 인프라 마련을 서두르고 있다. 2017년 9월 SMTPE(Society of Motion Picture and Television Engineers)는 고품질 디지털 미디어 콘텐츠를 고속으로 전송할 수 있도록 ST2110 매니지드 IP 네트워크를 통한 전문 미디어 표준(ST 2110 Standards for Professional Media Over Managed IP Networks)을 승인했다.

SMTPE ST2110은 비디오와 오디오(다국어 처리 포함), 보조 데이터를 독립 스트림으로 분리하지만 동기화를 유지하고 엔드포인트에서 합성하는 All-IP 기반 표준이다. 이 표준 절차의 채택은 음반 업계가 실제 테이프에서 가상 파일로 콘텐츠의 저장 방식을 변경한 것에 상응하는 효과가 있다. 파일은 가상 테이프처럼 처리되지 않는 대신 새로운 워크플로우와 기능을 통해 소프트웨어와 가상 접속의 모든 혜택을 실현할 수 있다.

또 다른 장점으로는 인프라 설비 내 트래픽을 모두 IP 기반으로 처리할 수 있다는 점이다. 예를 들면 디지털 미디어를 위한 SDI(Serial Digital Interface) 스위치와 일반 데이터를 위한 IP/이더넷 스위치의 두 스위치 세트를 별도로 갖추지 않고도 멜라녹스가 완벽한 음정으로 처리하는 공동 데이터센터 인프라를 이용할 수 있다.

SDI 기술의 발전 속도는 IP에서 가능한 네트워크 속도의 가속과 대역폭을 따르지 못했다. 이더넷 기반 IP 네트워크는 이제 방송 텔레비전 생태계 전체의 관심을 끌고 있다. 비트레이트가 점점 증가하고 장비 가격이 낮아지면서 IP 기반 통신 기술은 SDI와 같은 특화된 통신 시스템을 변방으로 점점 밀어내고 있다.

분명한 점은 HD, UHD, 4K 그리고 그 이상의 고품질 콘텐츠는 더 많은 힘과 대역폭을 필요로 한다는 것이다. 25기가나 100기가 이더넷 연결에 넣을 수 있는 UHD/HD 비디오 채널의 수는 IP로의 전환을 뒷받침하는 확실한 근거가 된다.

이에 멜라녹스 IP 기반 스위치는 다음과 같은 기능을 통해 신뢰성이 매우 높은 비디오를 제공하는 동시에 성능이 증명된 낮은 지연, 고대역폭 연결성을 갖춘 효율적인 방송 네트워크를 보장한다.

· 예측 가능한 버퍼 할당: 스위치의 모든 포트에서 이용할 수 있는 유연한 대규모 버퍼 풀을 통해 방송 애플리케이션에 많이 발생하는 폭주 트래픽을 저장할 수 있으며 필요에 따라 모든 패킷을 포워드할 수 있다.
· DSCP(Differentiated Services Code Point) 마킹을 갖춘 서비스 품질(QoS): 중요한 플로우에 표시를 통해 패브릭이 차단되지 않도록 한다.
· 예측 가능한 네트워크 성능: 모든 패킷 사이즈에 일관적으로 예측 가능한 성능을 제공한다. 이러한 톨리그룹 시험 보고서를 통해 검증이 이뤄졌다.
· 일관적이고 낮은 포트 대 포트 지연 및 지터: 포트 대 포트 지연과 PDV(Packet Delay Variation) 모두 주요 미디어 전송 솔루션 제공사에 테스트한 결과 멜라녹스는 최고 수준의 가장 낮고 결정적인 대기 시간을 나타냈다.
· 패브릭에 컨테이너화된 방송 서비스: IP 스튜디오 서비스를 컨테이너화해 스위치에서 실행함으로써 방송 엔지니어는 추가로 서버와 가상 장치를 활용할 필요 없이 이상적인 IP 미디어 패브릭 구축에 집중할 수 있다.

특히 멜라녹스 스펙트럼(Spectrum) 스위치는 방송사가 시간과 비용을 절약하고 혁신 속도를 높일 수 있도록 지원한다. 대부분의 운영자는 계속해서 트래픽을 우선순위에 따라 분리하지만 멜라녹스 스위치는 실시간 미디어 스트림을 우선으로 하는 지능을 갖추고 있다. SMPTE ST2110 표준은 비디오 형식과 무관하기 때문에 UHD, HDR은 물론 새롭게 등장하는 형식까지 지원할 수 있다.

AI, 음악에 큰 영향력 발휘
음악이 큰 영향을 받고 있는 또 다른 기술 분야로는 인공지능(AI)이다. AI 산업은 2020년 700억달러 규모에 달할 것으로 예상되며 빠르게 생활방식과 데이터 소비에 큰 영향을 미칠 전망이다.

호주의 팝건(Popgun)은 인간으로부터 음악을 배우고 곡을 보충하거나 보완하는 최초의 초인간 AI 음악가를 개발했다고 발표한 바 있다. 암퍼(Amper)는 곡을 만들 수 있는 AI 작곡가, 연주자, 프로듀서이고, 페이스메이커(Pacemaker)는 디지털 파일이 아닌 스트림에서 디지털 믹스와 리믹스를 만드는 AI DJ다.

또한 위브(Weav)는 완성된 작품으로 곡을 구상하지 않고 템포와 에너지, 분위기와 같은 조건에 따라 변형해 곡을 만들어낸다. 자크(Jaak)는 블록체인 기술을 이용해 스트리밍 음악의 이용과 권리를 파악한다. 이는 AI가 음악 산업을 이끌어 나가고 있는 몇 가지 사례에 불과하고, AI는 멜라녹스 솔루션의 힘에 많은 의지를 하고 있다.

최근 음악에서의 AI 활용은 구조화되지 않은 문화 데이터와 매주 상위 100곡의 가사를 5년간 걸러내 각 곡의 정서를 파악한 IBM 왓슨에서 시작됐다. 왓슨은 기악과 리듬, 음정을 분석해 아티스트 알렉스 다 키드(Alex Da Kid)에 제공해 실험을 수행했다.

왓슨과 알렉스 다 키드는 협력을 통해 ‘쉽지 않아(Not Easy)’라는 곡을 만들어냈다. 베토벤이나 거쉰이 이와 같은 데이터를 이용할 수 있었다면 어땠을까?