외적 문제
프리셋을 골라도 소리가 다르고, 앰프·캐비닛·EQ·드라이브·모듈레이션 순서를 어디서부터 조정할지 어렵습니다.
Case Study · TonePilot
원하는 톤을 말하면,
멀티이펙터 세팅의 시작점을 AI가 만듭니다.
멀티이펙터가 어려운 연주자를 위한 AI 톤 세팅 도우미. 장비와 취향에 맞는 출발점을 만들고, 조정 이유를 설명합니다.
후크 (예술이야 반복)1:40 → 1:57
짧고 강렬한 후크 파트, 하이게인 유지하며 딜레이/리버브 강조.
AMP · Gain7/10하이게인 유지
DLY · Dual DelayTime 450ms리듬 악센트 강조
REV · SwellDecay 40%악센트마다 스웰감
👉 P04 프리셋 호출, 픽업 1번 포지션 유지.
Status
Prototype
Role
기획 · AI 워크플로 설계 · UX
Users
멀티이펙터가 어렵지만 더 좋은 소리를 원하는 기타 연주자
Updated
2026-07
Shared Context
연주자는 어떤 상황에 있는가
좋은 기타와 멀티이펙터를 샀지만, 체인·앰프·캐비닛·수많은 수치 앞에서 원하는 소리까지 가는 길이 막막합니다. 프리셋을 받아도 내 장비에서는 다른 소리가 납니다.
| 층위 | TonePilot 사용자의 욕구 |
|---|---|
| 표면적 욕구 | 내 기타와 멀티이펙터로 원하는 곡·장르·느낌에 가까운 톤을 빠르게 만들고 싶다. |
| 내면적 욕구 | 수많은 메뉴와 용어 때문에 자신이 장비를 못 다룬다는 좌절 없이, 연주에 집중하고 싶다. |
| 잠재적 욕구 | 남의 프리셋을 그대로 복사하는 사람이 아니라, 왜 이런 소리가 나는지 이해하며 자신의 톤을 주도적으로 만들고 싶다. |
Problem
핵심 악당과 문제의 세 차원
핵심 악당
멀티이펙터의 복잡한 신호 체인과 장비·환경별로 달라지는 수많은 파라미터
내적 문제
좋은 기타나 장비를 사도 원하는 소리가 나지 않아 답답하고, 자신의 실력이 부족하다고 느낍니다.
철학적 문제
기타를 즐기기 위해 모든 사람이 오디오 엔지니어가 될 필요는 없습니다.
Options & Objections
대안 비교와 권장 방향
| 대안 | 장점 | 한계 | 판단 |
|---|---|---|---|
| 공장 프리셋 | 즉시 사용 가능 | 기타·픽업·출력 장비·연주 환경과 맞지 않을 수 있음 | 빠른 비교 기준 |
| 유튜브·커뮤니티 패치 | 다양한 레퍼런스와 설명 | 다른 기기·펌웨어·장비에서는 그대로 재현되지 않음 | 참고 자료 |
| 수동 학습·전문가 세팅 | 깊은 이해와 높은 품질 가능 | 시간과 지식 장벽이 큼 | 장기 학습 경로 |
| AI 맞춤 세팅 + 설명 | 사용자 장비와 원하는 소리에 맞는 시작점, 반복 피드백 가능 | 장비 데이터·취향 해석·음량 차이·정답 부재 | TonePilot의 권장 방향 |
| 완전 자동 고정 | 설정 부담 최소화 | 연주자의 취향과 통제권을 잃음 | 채택하지 않음 |
Plan
사용자 계획: 6단계 흐름
장비 선택
멀티이펙터 모델, 기타, 픽업, 출력 환경(앰프/PA/헤드폰)을 입력합니다.
톤 설명
곡·장르·연주 파트·원하는 느낌 또는 참고 음원을 선택합니다.
AI 세팅
장비가 지원하는 블록 안에서 신호 체인과 핵심 파라미터의 시작점을 제안합니다.
이유 확인
각 블록의 역할과 “왜 이 값인지”, 호환되지 않는 항목을 설명합니다.
연주 피드백
너무 밝음·먹먹함·노이즈·게인 부족 등 사용자의 언어로 피드백합니다.
수정·저장
AI가 조정안을 제안하고 사용자가 비교·확정·저장·내보내기 합니다.
Solution · Information Architecture
핵심 화면과 정보구조
| 화면 | 핵심 내용 | 증명할 설계 원칙 |
|---|---|---|
| Setup profile | 기타·픽업·멀티이펙터·출력·펌웨어 | 현실 장비 맥락을 먼저 반영 |
| Tone brief | 장르·곡·파트·느낌·참고 톤·연주 환경 | 기술 용어 대신 사용자 언어 |
| Patch proposal | 신호 체인, 블록, 파라미터, 예상 특성 | 시작 가능한 구체적 제안 |
| Why this tone | 각 선택 이유, 영향을 크게 주는 값, 장비 제약 | 설명 가능성과 학습 |
| Feedback loop | 밝음/어두움/게인/노이즈/공간감 등의 간단한 피드백 | 선호를 대화로 조정 |
| Patch library | 버전, 장비별 변형, 메모, 비교, 내보내기 | 사용자 소유와 재사용 |
AI vs User Control
AI가 하는 일과 연주자가 결정하는 일
AI가 보조
- 장비 호환 블록과 신호 체인 후보 생성
- 파라미터 시작점과 예상 소리 설명
- 피드백에 따른 수정안과 비교 포인트 제안
- 장비 제약과 불확실성 표시
연주자가 결정
- 원하는 느낌·연주 파트·우선순위
- 실제 연주 후 좋고 나쁨 판단
- 수정안 선택·미세 조정·최종 저장
- 프리셋 공유·삭제·내보내기 여부
Technical Questions
기술·데이터 설계에서 다루는 질문
답을 과장하기보다, 좋은 질문을 정직하게 공개합니다.
멀티이펙터 기기별 블록·파라미터·범위·순서 제약을 어떤 공통 스키마로 표현할 것인가?
“따뜻함, 쫀득함, 시원함, 먹먹함” 같은 사용자 표현을 음향 특성과 설정 변화로 어떻게 연결할 것인가?
참고 음원과 사용자 장비의 차이를 어떻게 설명하고, 정확한 복제를 약속하지 않을 것인가?
AI의 추천 근거와 불확실성을 어느 수준까지 보여줘야 초보자가 이해하면서도 압도되지 않는가?
실제 소리 평가는 녹음 환경·연주·볼륨에 영향을 받는데, 테스트를 어떻게 설계할 것인가?
Safety & Compatibility
안전·호환성·신뢰 원칙
호환성 명시
지원 기기와 펌웨어를 명시하고, 없는 블록이나 범위를 만들어내지 않습니다.
출력 안전
출력 레벨과 갑작스러운 음량 변화 위험을 경고하고 안전한 기본값을 사용합니다.
참고이지 복제가 아님
아티스트·곡 레퍼런스는 “정확한 복제”가 아니라 톤 특성을 설명하는 참고로 표현합니다.
되돌리기
추천은 시작점이며, 패치 변경 전후를 비교하고 언제든 이전 버전으로 되돌릴 수 있게 합니다.
Evidence & Success Metrics
증거와 성공 기준
| 증거 자산 | 측정할 성공 기준 |
|---|---|
| 기기별 파라미터 스키마 | 지원 기기·블록의 정확성, 호환되지 않는 제안 비율 |
| 사용자 입력 → 패치 예시 | 첫 제안이 실제 기기에서 불러와지는지 |
| 피드백 전후 패치 | 쓸 만한 톤까지 필요한 수정 횟수와 시간 |
| 설명 화면 | 초보자가 세팅 이유를 이해하는지 |
| A/B 연주 테스트 | 사용자 만족도, 선호 일치, 자신감 변화 |
| 한계·오류 로그 | 장비·환경별 실패 유형과 보완 계획 |
Status
곡 구간별 패치 가이드 화면이 작동해 “Prototype”으로 표시합니다. 실기기 테스트와 반복 사용이 확인되면 In development/MVP로 갱신합니다.
Next Step & Research
다음 단계와 연구 질문
Next
기기 스키마와 첫 패치 프로토타입
대표 멀티이펙터 한 기종의 블록·파라미터 스키마를 정의하고, 톤 브리프 → 패치 제안 → 실기기 로드 흐름을 검증합니다.
연구
설명 가능한 추천과 창작 주도권
톤 추천의 이유와 조정권이 초보자의 신뢰와 학습에 어떤 영향을 주는가 — Research 페이지에서 연구 계획으로 이어집니다.