유튜브 쇼츠 자동화 — 지식 쇼츠 한 편을 끝까지 만들어 보고 안 것 (2026)

건축 지식을 다루는 유튜브 쇼츠를 AI로 자동 제작해 봤습니다. 개인 프로젝트예요. 목표는 주제 한 줄만 넣으면 대본부터 쇼츠까지 나오는 것이었고, 실제로 그 파이프라인은 돌아갑니다. 다만 완성본은 그 무료 경로가 아니라 크레딧을 써서 스틸과 영상을 만든 경로로 나왔어요.

결과물은 뉴욕 시티코프 센터(지금의 시티그룹 센터)의 숨겨진 보강 공사 이야기를 다룬 1분 58초짜리 세로 쇼츠 한 편입니다. 아직 업로드는 하지 않았습니다. 이 글은 그 한 편을 끝까지 만들면서 정리된 구조와, 비쌌던 실수의 기록입니다.

유튜브 쇼츠 자동화, 목표는 이랬다

장편(5~6분)을 수익원으로, 쇼츠를 유입용으로 쓰는 구조를 생각했습니다. 유튜브 고객센터 기준으로 광고 수익을 나누는 단계에 신청하려면 구독자 1,000명에, 지난 12개월 공개 긴 형식 동영상 유효 시청 4,000시간 또는 지난 90일 Shorts 유효 조회 1,000만 회가 필요해요. 쇼츠 피드에서 본 시간은 4,000시간에 들어가지 않고, 신청 뒤에는 채널 검토도 거칩니다. 어느 쪽이든 꾸준히 올려야 해서, 한 편 만드는 품을 줄이는 게 먼저였습니다.

그래서 클로드에게 이런 파이프라인을 만들게 했습니다.

단계	하는 일	비용
1. 대본	주제 → 씬 단위 대본(내레이션·이미지 설명·강조어)	쓰던 클로드 구독 안에서
2. 내레이션	edge-tts로 한국어 음성 + 문장별 시각	작업 당시 무료
3. 이미지	Pollinations(Flux)로 씬별 그림	작업 당시 무료
4. 자막	문장 시각에 맞춘 자막 이미지	무료
5. 렌더	그림에 천천히 줌 + 자막 + 배경음	무료
6. 썸네일·쇼츠	대표 이미지에 제목, 세로 1080×1920으로 재렌더	무료

언어 모델을 부르는 건 1단계 대본뿐이고, 나머지는 전부 컴퓨터 안에서 도는 스크립트입니다. 그래서 채팅창에서 매번 돌리지 않고 터미널에서 명령 한 줄로 돌리게 했어요. 그래야 토큰이 거의 들지 않습니다.

실제로 품질을 낸 경로

무료 경로는 돌아갔지만, 그림에 줌만 거는 영상이라 정적이었습니다. 완성본은 이렇게 만들었어요.

1. 대본 확정과 사실 확인. 수치와 연도를 웹에서 하나씩 확인했습니다.
2. 스틸 생성. 힉스필드 GPT Image 2로 세로·저품질 설정을 써서 장당 약 0.5크레딧. 품질 단계를 비교해 보니 구도가 품질보다 중요해서, 저품질로 여러 장 뽑고 골랐습니다.
3. 스틸 채택. 아래에 적은 톤 수치 기준을 통과한 것만.
4. 영상 만들기. 채택한 스틸을 시작 이미지로 클링 3.0 5초 영상, 클립당 6.25크레딧.
5. 모션그래픽. 빨간 윤곽선, 키워드, 말풍선 같은 그래픽을 스크립트로 얹었습니다.
6. 자막·음향. 배경음과 효과음도 코드로 합성하고, 음량은 −14 LUFS로 맞췄어요.

20개 씬, 1분 58초에 크레딧 152.5가 들었습니다(제 계정, 작업 당시 기준). 그중 45는 아래의 톤 사고로 날린 몫이에요.

가장 비쌌던 실수 — 톤 기준 없이 자동 채택

중간에 이렇게 맡겼습니다. “앞으로 만들어지는 모든 씬을 너가 알아서 썸네일 만들고 영상까지 뽑아내는 프로세스로 해줘. 내가 한씬 한씬 만지지 않고서도 할 수 있는지 확인해주고”

그래서 9~20번 씬을 자동으로 만들었는데, 결과를 보고 이렇게 물었습니다. “영상 톤이 다 제각각인데, 내가 했던 것 처럼 썸네일을 먼저 만들고 그 이미지를 토대로 시작하거나 해야 일정한거 아니야?”

원인은 채택 기준에 톤 항목이 없었던 것이었습니다. 실내 컷과 클로즈업은 참고 이미지 없이 문장으로만 만들었고, 씬마다 조명 표현도 달랐어요. 한 씬은 밝기 235, 채도 2까지 튀었습니다. 결국 7개 씬 이미지를 다시 만들었고, 이 사고로 날린 크레딧은 45였습니다. 스틸이 장당 약 0.5라 이미지 값만으로는 나올 수 없는 금액이니, 그 스틸로 뽑은 영상까지 다시 만든 비용이 포함된 것으로 봅니다.

그 뒤로는 숫자로 채택했습니다. 앞쪽 낮 장면들을 재서 기준을 정하고, 새 이미지는 이 범위 안일 때만 썼어요.

항목	기존 씬 실측	허용 범위
밝기 (0~255)	124~131	115~140
채도 (0~255)	47~63	45~75
빨강/초록 비	0.89~0.96	같음
파랑/초록 비	1.04~1.09	같음

자동화하면서 정해진 규칙들

한 편을 끝까지 만들면서 이런 규칙이 생겼습니다.

• 영상의 첫 프레임을 꼭 확인한다. 한 씬에서 시작 이미지를 무시하고 전혀 다른 건물이 나온 적이 있었어요.
• 참고 이미지는 구도까지 끌고 온다. 거리에서 본 외경 사진을 모든 컷에 붙였더니 6컷 중 5컷이 같은 외경이 됐습니다. 실내·클로즈업 컷에는 붙이지 않기로 했어요.
• 5초 영상을 늘려 쓴다. “5초는 공짜고 7초는 토큰이 들어가. 5초로 뽑은 후 늘려서 사용하면 어때?”라는 제안에서 시작했습니다. 5초 클립을 중간 프레임을 만들어 1.25~1.45배까지 늘리고, 내레이션이 그보다 길면 대본을 줄였어요.
• 프레임레이트를 맞춘다. 제가 받은 클링 영상은 초당 24장인데 쇼츠 화면은 30장이라, 변환을 빠뜨리면 화면과 내레이션이 3초 어긋났습니다.
• 실존 건물은 사진부터. 주변 교회 외형을 사진 확인 없이 추정으로 썼다가 다시 만든 일이 있어서, “실제 사진부터 확인해줘”를 규칙으로 삼았습니다.
• 과장 표현을 뺀다. “무너질 뻔했다”는 “무너질 수 있었다”로, 건물이 크게 흔들리는 장면은 사실과 달라 다시 만들었어요.

참고 이미지가 구도를 복제하는 건 다른 작업에서도 같았습니다. 힉스필드 프롬프트 글의 Soul 실험과 같은 현상이에요. 클링과 씨댄스의 크레딧 차이는 클링 vs 씨댄스 글에 따로 비교해 뒀습니다.

자동화로 안 된 것

• 움직임이 여전히 부족했습니다. 참고한 채널은 1.2~2.4초마다 화면이 바뀌는데, 완성본은 약 3초였어요. 크레딧 안에서는 컷을 잘게 쪼개는 게 한계였습니다.
• 내레이션 목소리. “나레이션 목소리라도 좀 밝은걸로”라는 요청에 무료 TTS 목소리 5종을 만들어 비교하던 중이었습니다.
• 사실 확인과 채택은 사람 몫. 대본의 숫자와 연도를 눈으로 훑는 게 업로드 전 마지막 확인이고, 스틸 채택도 확인받고 나서 영상을 만들었어요.
• 장편은 아직. 같은 주제의 장편은 대본과 사실 확인까지만 해 뒀습니다.

정리 — 유튜브 쇼츠 자동화 구조

	무료 경로	실제로 쓴 경로
이미지	무료 생성 + 줌	힉스필드 스틸(장당 약 0.5)
영상	없음(정지 그림)	클링 5초 i2v(클립당 6.25)를 늘려 씀
그래픽	자막만	윤곽선·키워드·말풍선 스크립트
음향	배경음	합성 배경음·효과음, −14 LUFS
비용	0	한 편 152.5크레딧(45는 사고)
사람이 할 일	대본 확인	대본 확인 + 스틸 채택 + 사실 확인

직접 해보니

처음엔 장면을 하나하나 보며 만들다가, 전면 위임으로 바꾼 뒤 톤이 무너지는 걸 보고 다시 기준을 세웠습니다. “근데 씬들이 왜케 정적이야?”라는 질문도 그 무렵 나왔고, 그래서 그래픽을 얹는 단계가 생겼어요.

설명도 일반인 기준으로 바꿨습니다. “일반인인 내가 들었을때 55년만에 오는 폭풍이나 16년만에 오는 폭풍이나 똑같은거 같은데”라는 지적을 듣고, 폭풍의 세기를 직접적으로 설명하는 쪽으로 대본을 고쳤어요. 위키백과 시티그룹 센터 항목에 따르면 이 숫자는 구조 엔지니어 르메저리어가 계산한 값으로, 건물을 쓰러뜨릴 수 있는 바람이 한 해에 올 확률이 1/55, 옥상 댐퍼가 꺼지면 1/16이라는 뜻이었거든요. “몇 년에 한 번”이라는 말만으로는 차이가 와닿지 않았던 거죠. 완성본은 나왔고, 업로드는 목소리와 보강 대본을 정한 뒤로 미뤄 둔 상태입니다.

자주 묻는 질문

유튜브 쇼츠 자동화, 정말 다 자동으로 되나요?

제 경우 무료 경로는 명령 한 줄로 대본부터 쇼츠까지 나왔지만, 품질이 낮아 실제로는 쓰지 않았습니다. 완성본은 힉스필드로 스틸과 영상을 만들고 편집을 자동화한 경로로 만들었고, 스틸 채택과 사실 확인은 사람이 봐야 했습니다.

쇼츠 한 편에 비용은 얼마나 들었나요?

1분 58초짜리 쇼츠 한 편에 힉스필드 크레딧 152.5가 들었습니다(제 계정, 작업 당시 기준). 스틸은 장당 약 0.5, 클링 5초 영상은 클립당 6.25였고, 그중 45크레딧은 톤이 맞지 않아 다시 만든 데 들었습니다.

AI로 만든 쇼츠도 수익화가 되나요?

유튜브 고객센터 기준으로 광고 수익을 나누는 단계에 신청하려면 구독자 1,000명에, 지난 12개월 공개 긴 형식 동영상 유효 시청 4,000시간 또는 지난 90일 Shorts 유효 조회 1,000만 회가 필요하고, 신청 뒤 채널 검토를 거칩니다. 저는 아직 업로드하지 않아 결과는 없습니다.

자동화하면서 가장 비쌌던 실수는 뭔가요?

스틸을 자동으로 채택하면서 톤 기준을 넣지 않은 것입니다. 씬마다 밝기와 색이 제각각이 됐고, 이 사고로 날린 크레딧이 45였습니다. 스틸 값만으로는 나올 수 없는 금액이라, 그 스틸로 뽑은 영상까지 다시 만든 비용이 포함된 것으로 봅니다. 그 뒤로는 밝기·채도·색 비율을 숫자로 재서 기존 씬과 맞는 것만 채택했습니다.

정리

• 주제 한 줄로 대본부터 쇼츠까지 나오는 무료 파이프라인은 돌아갔지만, 완성본은 크레딧을 쓴 경로로 만들었습니다
• 1분 58초 쇼츠 한 편에 152.5크레딧이 들었고, 45는 톤 기준 없이 자동 채택한 사고였습니다
• 스틸은 밝기·채도·색 비율을 숫자로 재서 채택했습니다
• 5초 영상을 늘려 쓰고, 프레임레이트를 맞추고, 첫 프레임을 확인하는 규칙이 생겼습니다
• 움직임 부족, 목소리, 사실 확인은 아직 사람이 보는 부분입니다