무료 AI 영상 사이트에 문장 몇 줄 넣으면 1분짜리 홍보 영상이 바로 나온다. 처음 검색하는 사람은 대부분 이렇게 기대한다. 그런데 버튼을 누르면 돌아오는 건 8초 남짓한 클립 하나다. 그걸 이어 붙이면 이번엔 컷이 넘어갈 때마다 주인공 얼굴이 다른 사람이 된다. 이 얼굴 문제는 프롬프트를 길게 쓴다고 해결되지 않는다. 그럼 어디서 잡히는지는 뒤에서 다룬다.
무료 사이트가 내주는 건 영상이 아니라 ‘컷’이다
AI 영상 생성기는 촬영을 대신해 장면을 만들어 주는 도구다. 결과물 단위는 한 컷이다. 편집 프로그램으로 치면 타임라인에 올릴 소스 하나를 받는 셈이고, 완성본은 결국 사람이 편집해서 만든다.
그래도 예전 작업 방식과 비교하면 바뀐 게 분명히 있다.
- 촬영도 스톡도 필요 없다. ‘비 오는 골목에서 우산 든 사람이 걸어가는 장면’을 찾아 스톡 사이트를 30분씩 뒤지던 일이 문장 한 줄로 끝난다.
- 카메라 움직임을 말로 지시한다. 천천히 다가가기, 위에서 내려다보기, 옆으로 따라가기 같은 연출을 프롬프트에 적으면 된다.
- 일부 모델은 소리까지 같이 만든다. 빗소리나 발소리 같은 효과음이 영상과 함께 나오기도 한다.
- 대신 길이와 일관성은 만드는 사람 몫이다. 컷과 컷을 어떻게 잇는지, 인물을 어떻게 유지하는지는 모델이 책임지지 않는다.
이 글은 사실상 4번 이야기다. 1~3번은 어느 서비스를 써도 비슷하게 누리는 장점이고, 결과물 품질은 4번에서 갈린다.
한 컷이 8초 언저리에서 끊기는 건 비용과 붕괴 때문이다
8초를 초당 24프레임으로 뽑으면 이미지 192장이다. 영상 모델은 이 192장을 한 장씩 따로 그리지 않고, 앞뒤 프레임이 맞물리도록 한꺼번에 계산한다. 길이를 두 배로 늘리면 프레임끼리 맞춰야 할 관계가 훨씬 많아져서 계산량이 두 배로 끝나지 않는다. 무료 사용자한테 그 비용을 무제한으로 대 주는 서비스는 없다.
체감상 더 크게 와닿는 건 두 번째 이유다. 길게 뽑을수록 뒤쪽이 무너진다. 손가락 개수가 바뀌고, 옷 무늬가 번지고, 배경 간판이 조금씩 녹아내린다. 컷을 늘려 주는 ‘연장’ 기능을 지원하는 서비스도 있지만, 여러 번 연장하면 화면이 점점 탁해지는 문제는 여전하다.
그러니 8초는 품질과 비용 사이에서 업체들이 고른 타협점으로 보면 된다.
곁가지 이야기를 하나 하자면, 광고 편집에서는 한 컷을 3초 넘게 끄는 경우가 드물다. 편집하는 사람 기준으로 8초는 원래 긴 컷이다. 짧다고 불평할 길이라기보다 잘라 쓸 여유가 있는 길이다.
누가 쓰면 시간을 벌고, 누가 시간만 버리나
15~30초 쇼츠나 릴스를 만들면서 인물이 안 나오거나 한 컷에만 잠깐 나온다면, 이 섹션과 바로 다음 무료·유료 섹션까지만 읽어도 된다. 풍경, 음식, 제품 분위기 컷은 지금 무료 도구로도 충분히 나온다. 반대로 같은 인물이 여러 컷에 나오는 스토리형 영상이나 사람이 화면에 나와 설명하는 영상이라면 얼굴 고정 섹션이 핵심이다.
잘 안 맞는 경우도 분명하다. 1분이 넘는 브이로그를 AI로 대신하려는 경우, 그리고 실제 제품의 버튼 위치나 로고 모양이 정확해야 하는 경우다. 이럴 때는 휴대폰으로 직접 찍는 게 훨씬 빠르다. AI는 ‘그럴듯한 제품’은 만들어도 ‘내 제품’을 정확히 그려 주지는 못한다.
예를 들어 동네 카페 신메뉴를 30초 쇼츠로 만든다고 해 보자. 아침 골목 창밖 풍경, 바리스타 손이 컵을 드는 장면, 음료 클로즈업, 손님이 첫 모금 마시는 장면, 가게 외관. 이렇게 다섯 장면이면 얼굴이 나오는 건 손님 한 컷뿐이라 난도가 확 내려간다.
30초 쇼츠를 8초 컷으로 채우려면 컷이 몇 개 필요할까?
네 개라고 답하기 쉽지만 현실적으로는 5~6개다. 생성된 컷은 시작 0.5초쯤 화면이 굳어 있다가 움직이기 시작하고, 끝나기 1초 전쯤부터 동작이 어색해지는 경우가 많다. 그래서 컷당 실제로 쓸 수 있는 구간은 5~6초 정도다. 생성 후기에서 공통으로 나오는 이야기이기도 하다. 처음부터 컷 수를 넉넉하게 잡아야 무료 생성 횟수를 덜 아낀다.
워터마크 붙은 무료 AI 영상, 유튜브에 올려도 될까?
무료와 유료의 차이를 영상 길이로 생각하는 사람이 많은데, 실제로 갈리는 건 다른 데 있다.
- 워터마크: 무료 플랜은 화면 구석에 서비스 로고가 붙는 경우가 많다.
- 상업적 이용권: 무료로 만든 결과물은 비상업적 용도로만 쓰라는 조건이 붙는 경우가 많다.
- 대기열과 해상도: 무료 사용자는 생성 순서가 뒤로 밀리고 해상도가 낮게 나오기도 한다.
유튜브에 올리는 것 자체를 막는 규정은 없다. 유튜브가 보는 건 두 가지다. 실제 사람이 하지 않은 말이나 행동, 실제 장소의 사건처럼 보이는 합성 영상이라면 업로드할 때 ‘변경되었거나 합성된 콘텐츠’ 항목을 체크해야 한다. 수익 창출 심사에서는 AI를 썼는지보다 같은 틀을 찍어내듯 대량으로 만든 영상인지를 더 따진다.
걸리는 건 서비스 약관이다. 수익 창출 채널에 올리는 게 ‘상업적 이용’에 해당하는지는 약관 문구에 따라 달라진다. 서비스별 무료 플랜의 수익화 허용 범위를 한데 모아 비교한 공식 자료는 아직 확인된 자료가 없다. 쓰는 서비스의 약관에서 상업적 이용 조항 하나만큼은 업로드 전에 꼭 읽어 둬야 한다.
워터마크만 잘라내면 내 영상이 된다고 생각하기 쉽다. 하지만 로고를 크롭하거나 지우는 행위는 대부분 약관 위반이다. 게다가 구글의 SynthID처럼 눈에 보이지 않는 워터마크를 픽셀에 심는 방식도 있어서, 화면의 로고를 지워도 AI로 만든 흔적은 남는다.
수익을 낼 채널이라면 한 달만 유료로 결제하는 게 워터마크를 가리느라 쓰는 시간보다 싸다. 개인 기록용이나 지인 공유용이라면 워터마크가 있어도 문제될 게 없다.
관련: 챗GPT 기억 삭제, 대화방만 지우면 그대로 남는 설정 4가지
컷마다 얼굴이 바뀌는 건 어떻게 막나?
원인부터 보자. 모델은 컷마다 인물을 처음부터 새로 상상한다. ’30대 단발 여성, 베이지 코트’라는 묘사에 맞는 얼굴은 수만 가지다. 앞 컷에서 고른 얼굴을 다음 컷이 기억할 이유가 없다.
그래서 다들 프롬프트를 더 자세하게 쓴다. 눈매, 점 위치, 머리카락 길이까지 적는다. 문제는 묘사가 길어질수록 모델이 신경 써야 할 요소가 늘어나 동작과 배경이 같이 흔들린다는 점이다. 후기를 보면 ‘세 번째 컷부터 다른 사람이 나온다’는 말이 제일 많더라. 거의 다 텍스트만으로 컷을 이어 만든 경우다.
기준 얼굴 이미지를 먼저 한 장 만든다
영상부터 만들지 말고, 이미지 생성 AI로 인물 사진을 먼저 만든다. 정면, 비스듬한 3/4 각도, 전신 이렇게 세 장 정도면 충분하다. 이후 모든 컷은 텍스트로 영상을 만드는 방식 대신, 이 이미지를 넣고 움직이게 하는 이미지→영상 방식으로 만든다. 출발점이 같은 얼굴이니 변하는 폭이 크게 줄어든다.
앞 컷의 마지막 프레임을 다음 컷의 첫 프레임으로 쓴다
도입부에서 미뤄 둔 답이 이것이다. 얼굴을 잡아 주는 건 프롬프트가 아니라 이어지는 프레임이다. 앞 컷이 끝나는 장면을 편집 앱에서 정지 화면으로 내보내고, 그 이미지를 다음 컷의 시작 이미지로 올린다. 그러면 인물, 옷, 조명이 그대로 이어진 상태에서 다음 동작이 시작된다.
단점도 있다. 이렇게 이어 갈 때마다 화질이 조금씩 떨어지고, 세 번 넘게 연달아 쓰면 얼굴 윤곽이 흐려진다. 그래서 세 컷마다 처음 만든 기준 이미지로 한 번씩 되돌아가는 게 좋다. 이 리셋을 빼먹으면 다섯 번째 컷쯤에서 결국 다른 사람이 나온다.
인물 묘사는 고정 문장으로 복사해 붙인다
인물을 설명하는 문장은 한 번 정했으면 글자 하나 바꾸지 않는다. 컷마다 바꾸는 건 동작과 카메라 지시뿐이다. ‘코트’를 ‘외투’로 바꾸는 정도의 차이로도 옷이 달라진다.
카메라 거리를 통일하고, 얼굴은 필요할 때만 보여 준다
클로즈업과 와이드 샷을 오갈 때 얼굴이 가장 많이 바뀐다. 얼굴이 크게 나오는 컷은 정면 기준 이미지에서 바로 만들고, 나머지는 손, 뒷모습, 소품 컷으로 채운다. 편집하는 입장에서는 이 방법이 제일 싸고 확실하다. 관객은 얼굴이 계속 나오지 않아도 같은 사람이라고 받아들인다.
캐릭터나 레퍼런스 기능으로 얼굴을 고정해 주는 서비스도 있지만, 이런 기능은 유료 플랜에서만 열리는 경우가 많다. 무료로 버티려면 위 네 가지를 손으로 하는 수밖에 없다.
단점까지 놓고 보면, 세 방식 중 이미지 먼저가 낫다
AI 영상의 약점은 꽤 정해져 있다. 화면 속 한글 간판이나 자막은 거의 다 깨진다. 액체를 따르는 장면이나 손가락으로 집는 동작처럼 물리가 섬세한 장면은 어색하게 나온다. 인물이 한국어로 말하는 장면에서는 입 모양이 소리와 잘 맞지 않는다. 무료 대기열에 걸리면 한 컷에 몇 분씩 기다리기도 한다.
| 항목 | 텍스트→영상 | 이미지→영상 | 편집 앱 내장 AI |
|---|---|---|---|
| 시작 재료 | 문장만 | 기준 이미지 + 문장 | 내 사진·영상 |
| 인물 일관성 | 약함 | 가장 안정적 | 원본 사진에 따라 다름 |
| 준비 시간 | 가장 짧음 | 이미지 제작 단계가 추가됨 | 편집하면서 바로 |
| 잘 맞는 장면 | 풍경, 분위기 컷 | 같은 인물이 반복되는 스토리 | 사진에 움직임 더하기, 자동 자막 |
| 추천 대상 | 배경용 B롤이 필요한 사람 | 캐릭터가 있는 쇼츠 제작자 | 생성보다 편집 시간을 줄이고 싶은 사람 |
표만 봐도 이미지→영상이 가장 손이 많이 간다. 그래도 다시 생성하는 횟수가 줄어서 전체 작업 시간은 오히려 짧아지는 경우가 많다. 편집 앱 내장 AI는 장면을 새로 만드는 능력보다 편집 흐름 안에 붙어 있다는 점이 장점이라, 생성 사이트와 함께 쓰는 쪽이 맞다.
내가 원하는 분위기는 수정하면서 잡혔다
AI 영상을 처음 만드는 사람에게 가장 먼저 말리고 싶은 건 텍스트→영상 방식으로 바로 시작하는 것이다. 첫 컷이 그럴듯하게 나오면 바로 다음 컷을 누르게 되고, 세 번째 컷에서 얼굴이 무너지면 앞의 두 컷까지 버리게 된다. 무료 생성 횟수가 가장 많이 새는 곳이 여기다.
연장 기능으로 한 컷을 20초, 30초까지 늘리는 방법도 권하지 않는다. 늘어난 길이만큼 뒤쪽 품질이 떨어지고, 편집할 때 잘라 쓸 지점도 애매해진다. 8초짜리 다섯 컷이 40초짜리 한 컷보다 거의 언제나 낫다.
사람들이 잘 놓치는 지점은 AI 영상 작업 시간의 대부분이 생성이 아니라 고르고 자르는 데 들어간다는 점이다. 같은 모델을 써도 결과물이 다르게 나오는 이유는 프롬프트 실력보다 편집 실력에 있다. 0.5초를 어디서 자르는지가 영상 품질을 가른다.
나도 브랜드 영상을 만들면서 음악이 너무 밝아 화면과 어울리지 않아 다시 맞춘 적이 있다. 내레이션과 배경음악의 볼륨, 음악이 들어오는 타이밍, 끝에서 갑자기 끊기는 부분까지 여러 번 고쳤다. 그래서 무료 AI 영상 도구를 볼 때도 한 번에 무엇이 나오느냐만큼, 나온 결과를 내가 원하는 방향으로 얼마나 손볼 수 있는지를 보게 된다.
물론 이 판단이 맞지 않는 경우도 있다. 인물 없이 풍경과 사물로만 채우는 영상이라면 텍스트→영상으로 충분하고, 굳이 기준 이미지를 만들 필요가 없다. 그리고 모델이 한 번에 1분 넘게 인물을 유지하는 수준이 되면 지금의 ‘컷 이어붙이기’ 방식은 낡은 방법이 된다. 그때까지는 이미지 먼저, 컷은 짧게, 편집은 사람이 하는 순서가 가장 덜 버리는 방법이다.
한국어 음성과 자막은 대본, 음성, 컷, 자막 순서로 얹는다
흔한 실패는 영상을 먼저 다 만들고 나서 목소리를 입히는 경우다. 그러면 말이 컷보다 길거나 짧아서 컷을 다시 생성하게 된다. 순서를 바꾸면 이런 일이 없어진다.
- 대본을 문장 단위로 쓴다. 문장 하나에 컷 하나를 배정한다.
- 한국어 음성을 먼저 만든다. 음성 AI나 편집 앱의 TTS로 문장별 음성을 뽑고 길이를 잰다. 예를 들어 한 문장이 6초라면 그 컷은 8초로 만들어서 6초만 쓴다.
- 음성 길이에 맞춰 컷을 생성한다. 짧은 문장에는 동작이 하나만 있는 컷, 긴 문장에는 카메라가 천천히 움직이는 컷을 고른다.
- 타임라인에 음성을 먼저 깔고 컷을 그 위에 얹는다. 컷을 음성에 맞추는 것이지, 음성을 컷에 맞추는 게 아니다.
- 자막은 맨 마지막에 넣는다. 음성 기반 자동 자막을 돌리고 오타만 고친다. 화면 속 글자는 AI가 만들게 두지 말고 편집 단계에서 직접 넣는다. 한글이 깨지기 때문이다.
인물이 직접 말하는 장면은 한국어 입 모양이 어색하게 나오는 경우가 많다. 처음부터 화면 밖에서 목소리가 들리는 내레이션 구성으로 짜면 이 문제는 생기지 않는다. 쇼츠는 내레이션 형식이 더 흔해서 시청자도 어색하게 느끼지 않는다.
일정은 이렇게 잡으면 된다. 토요일 오전에 대본 다섯 문장과 기준 얼굴 이미지 세 장을 만든다. 토요일 오후에는 컷 여섯 개를 생성하고, 일요일 저녁에는 음성을 깔고 자막까지 넣어 30초 영상을 올린다. 그다음 주 토요일 오전에는 같은 기준 이미지로 두 번째 영상의 첫 컷을 뽑는다.
