• 기업용 수분 분량의 영상은 일괄 생성하지 않고, 수 초 단위의 컷과 후편집 소재로 분해한다
• 인물의 움직임이나 분위기는 생성 AI (Generative AI), 글자·로고·정확한 UI는 인간의 편집 공정으로 나눈다
• 처음부터 완성본을 만들지 않고, 인물·색상·금지 사항을 확인하는 '기준 컷'을 만든다
• 비용은 완성 초 단위가 아니라, 테이크(Take) 수·재생성·편집·리뷰 시간으로 산출한다
• raw, 채택본, 연결 프리뷰, 프롬프트(Prompt)를 구분하여 교체 가능한 성과물로 만든다
• AI 영상 제작의 실패는 모델의 성능보다, 사양 확정(Specification Freeze)과 리뷰 설계의 지연에서 발생한다
• 다음은 사내 검증을 통해 얻은 실무상의 관찰이며, 모든 생성 서비스에 적용된다는 보장은 없다

※ AI 및 각 모델 사양·소감은 2026/07/01 현재 기준…

기업용 컨셉 영상을 생성 AI를 사용하여 단납기로 시작했다. 여기서 다루는 것은 기업명이나 서비스명이 아니라, 제작 공정에서 추출할 수 있는 재사용 가능한 판단이다.

당초에는 '수 분의 영상을 AI에게 만들게 한다'라고 생각하기 쉽다. 하지만 실제로 문제가 된 것은 영상을 생성할 수 있느냐가 아니었다. 인물의 일관성, 읽을 수 있는 글자, 공식 로고, UI의 정확성, 리뷰 시 교체 작업을 어떻게 다룰 것인가였다.

이 기사에서는 생성 AI를 완성 영상의 자동 제조기가 아니라, 편집 가능한 소재를 찾는 엔진으로서 사용하는 방법을 정리한다.

• 기업용 영상에서 처음 마주한 벽

• 장편을 일괄 생성하지 않는다

• 생성 AI와 후편집의 책임 범위를 나눈다

• 기준 컷으로 인물과 세계관을 고정한다

• 프롬프트를 영상 사양서로서 관리한다

• 비용을 테이크 수로부터 산출한다

• raw부터 납품까지를 별개로 관리하는 제작 이력을 남기는 리포지토리(Repository) 「SynapseGit」

• 리뷰를 품질 게이트(Quality Gate)로 나눈다

• 단납기로 먼저 결정해야 할 것

• 요약

사내 검증에서는 짧은 컷을 쌓아 올려 수 분의 컨셉 영상을 만드는 방침을 채택했다. 컷 단위라면 생성 결과의 일부만 채택하거나, 문제가 있는 컷만 재생성할 수 있다.

한편, 다음과 같은 'AI 영상 흔한 사례'가 즉시 나타난다.

• 주인공이 컷마다 다른 사람이 된다
• 손에 든 스마트폰이 다른 모양이 된다
• UI 같은 것은 나오지만 글자를 읽을 수 없다
• 로고 같은 것이 생성되지만 올바른 로고가 아니다
• 대화를 시키면 입 모양과 음성의 정합성을 별도로 확인해야 한다

AI에게 악의는 없다. 하지만 연속 드라마의 캐스팅 담당자로서는 매번 상당히 대담하다. 기업 영상에서는 이러한 우연성을 그대로 완성품에 가져갈 수 없다.

따라서 생성 AI에는 '움직임·표정·분위기'를 담당시키고, 정보의 정확성과 교체 용이성은 편집 공정에서 담보하기로 했다.

수 분의 영상을 한 번에 생성하면 도중의 한 장면만 수정하기가 어렵다. 그래서 타임라인에 놓을 부품으로 분해한다.

이 분해의 장점은 품질뿐만이 아니다. 리뷰에서 "이 컷만 교체해 주세요"라는 요청을 받았을 때, 영상 전체를 다시 만들지 않아도 된다. 제작물을 영상 작품이 아니라, 교체 가능한 부품의 집합으로서 설계한다.

짧으면 좋은 것은 아니지만, 생성 영상의 파손은 길게 보여줄수록 눈에 띈다. 사내 검증에서는 컷의 목적을 하나로 좁히고, 사용할 수 있는 움직임 부분만 편집으로 남기는 편이 다루기 쉬웠다.

"하나의 컷에서 인물의 연기와 UI의 정확한 조작, 그리고 설명문을 모두 보여주는 것"은 생성 AI와 편집자 모두에게 과도한 업무를 몰아넣는 것이다. 동작, 정보, 설명을 별도 소재로 나누는 것만으로도 수정 단위가 작아진다.

생성 AI에게 맡길 것과 맡기지 않을 것을 먼저 표로 만든다.

• 자연스러운 인물의 움직임

• 일상적인 풍경이나 실내의 분위기

• 카메라 이동, 빛, 피사계 심도 (Depth of Field)

• 추상적인 카드나 아이콘의 출현

• 글자가 필요 없는 장의 전환

• 일본어, 영어, 숫자, 고유명사

• 공식 로고, 공식 브랜드 표현

• 정확한 스마트폰 화면이나 예약 화면

• 그래프의 수치나 비교 결과

• 나레이션, BGM, 자막의 최종본

글자를 금지하면 정보량이 줄어드는 것처럼 보인다. 하지만 아이콘, 시선, 손의 움직임, 빛의 경로로 의미를 전달하고, 필요한 문구는 나중에 정확하게 올릴 수 있다.

생성: 인물이 스마트폰을 확인한다
추상적인 카드가 떠오른다
편집: 공식 화면, 문구, 숫자, 로고를 합성한다

생성 AI 영상의 글자는 오타라기보다 '존재하지 않는 기업의 로고'를 발명하곤 한다. 재미있을지는 몰라도 납품물로서는 재미없다.

모든 컷을 생성하기 전에 대표가 되는 기준 컷을 만든다. 다음 항목을 하나의 시작(Prototype)으로 확인한다.

• 주인공의 외형과 의상
• 안내역이나 아바타의 표현 방식
• 실사풍인지 일러스트풍인지
• 색조, 조명, 카메라 거리
• 문자·숫자·로고를 내보내지 않는 제약
• 아이콘이나 추상적인 UI의 표현

기준 컷이 결정되기 전에 대량으로 생성하면, 나중에 "인물을 바꾸고 싶다"라고 되었을 때 생성 비용뿐만 아니라 편집과 리뷰도 다시 해야 한다.

인물별로 다음과 같은 참조 시트(Reference Sheet)를 만들어 두면 좋다.

인물의 일관성은 "같은 인물"이라고 프롬프트 (Prompt)에 쓰는 것만으로는 부족하다. 참조 이미지, 의상, 색상, 화각을 세트로 관리하고, 사용하는 인물을 너무 늘리지 않는 것이 단납기 프로젝트에서 효과적이다.

프롬프트를 한 문장의 연출 메모로 만들면 채택 이유도 수정 이유도 남지 않는다. 컷 단위로 최소한 다음 내용을 기록한다.

cut: "scene-07"
purpose: "일상 속에서 새로운 깨달음이 생겨남"
duration_seconds: 6
...

• 공통 사양: 인물, 색상, 금지 표현, 화면 비율
• 컷 사양: 목적, 동작, 장소, 카메라
• 툴 차이점: 참조 이미지, 길이, 생성 파라미터 (Parameter) 지정 방식

이렇게 분류해 두면 생성 서비스를 변경하더라도 영상의 의도를 이어받을 수 있다. 툴마다 프롬프트를 전부 새로 쓰는 것이 아니라, 변하는 부분만 교체한다.

"완성 영상이 몇 초인가"만으로 예산을 산출하면 높은 확률로 부족해진다. 생성 AI 영상은 채택된 컷을 얻기까지의 시도 횟수와 사람이 확인하는 시간이 있기 때문이다.

총 비용
= 생성비 (생성 횟수 × 1회당 소비)
+ 편집비 (소재 정리·합성·내보내기)
...

처음에 소수의 대표 컷을 생성하여 "하나의 채택 컷을 얻기 위해 평균 몇 번 시도하는가"를 측정한다. 요금표의 숫자를 그대로 완성 영상에 곱하는 것보다, 실제 채택률을 사용하는 편이 팀 내에서 설명하기 쉽다.

참고로 생성 서비스의 모델, 해상도, 계약 플랜은 변경되므로 여기서는 구체적인 금액을 고정하지 않는다. 공개 전에 이용 시점의 공식 요금과 이용 조건을 확인할 필요가 있다.

생성 영상을 하나의 파일로만 취급하면 재현성이 상실된다. 최소한 다음 관계를 남겨야 한다.

사양서·프롬프트
↓
소스 코드의 커밋 (Commit)
...

생성 전에 프롬프트와 스크립트 (Script)를 커밋하고, 생성 메타데이터 (Metadata)에서 해당 커밋을 참조할 수 있도록 한다. 영상을 Git으로 관리할 수 없더라도 프롬프트, 생성 조건, 채택 목록, 검증 결과를 추적할 수 있다면 판단의 재현성을 유지할 수 있다.

교체 시 업데이트해야 하는 것은 단일 영상만이 아니다.

• 채택 영상
• 프롬프트 기록
• 연결용 리스트
• 연결 프리뷰 (Preview)
• 컨택트 시트 (Contact Sheet)
• 리뷰 기록

이것을 한 세트로 업데이트하지 않으면, 영상 자체는 새로운데 프리뷰에는 옛날 컷이 남아 있는, 발견하기 까다로운 사고가 발생한다.

이 문제를 영상 파일의 저장 위치가 아니라 "소재와 판단의 이력"으로 다루기 위해 시도하고 있는 것이, Git과 유사한 로컬 리포지토리 (Local Repository)인 SynapseGit이다.

SynapseGit은 이미지나 영상을 생성하는 툴이 아니다. 원본 소재, 현재 상태, 툴에서 출력된 후보, AI가 제안한 내용, 인간의 판단을 content-addressed history로서 기록하기 위한 실험적인 기반이다.

영상 제작에 대입해 보면 다음과 같다.

이 메커니즘의 흥미로운 점은 "AI가 만들었으니까 채택"이 되지 않는다는 것이다. 후보는 후보로서 저장하고, 최종적인 채택·기각·보류는 인간의 판단으로서 별도로 기록한다. 영상 제작으로 치면, 생성 테이크를 대량으로 남기면서도 채택된 테이크가 된 이유를 나중에 추적할 수 있도록 하는 설계다.

단, 이 부분은 오해하기 쉬우므로 명시한다. SynapseGit의 식별자가 검증하는 것은 우선 파일의 byte identity이다. 그것만으로 저작자성, 내용의 진실성, 저작권, 이용 허락, 실물의 물리적인 변화를 증명하는 것은 아니다. 이력을 남기는 것과 주장의 정당성을 증명하는 것은 별개의 문제다.

또한, 현재의 preview는 로컬 CLI와 loopback-only UI를 중심으로 한 Stage 0 단계입니다. SynapseGit 자체는 AI 모델을 호출하지 않으며, production(운영)을 위한 multi-user service(다중 사용자 서비스)도 아닙니다. 영상 제작의 본판 기반으로서 소개하는 것이 아니라, 생성 결과와 사람의 판단을 분리하여 기록하는 사고방식을 시험해 볼 수 있는 리포지토리(repository)로서 소개하는 것이 정확합니다.

최소 단위인 Creator Pilot에서는 원본 파일, 현재 파일, 후보 파일의 세 가지를 전달하여 사람의 판단을 기록합니다.

synapse creator-run "$HOME/SynapseGit/demo" session-1 \
/path/to/original.mp4 \
/path/to/current.mp4 \
...

영상 내용을 이해하고 채점하는 명령어가 아닙니다. 생성 AI의 후보와 사람의 판단을 동일한 파일에 섞지 않고, 나중에 추적할 수 있도록 하기 위한 기록 명령어입니다. 영상의 프레임 검사나 음성 확인은 별도의 품질 게이트(quality gate)로서 조합합니다.

리포지토리의 시용이나 사양 확인은 기사 말미의 SynapseGit 공식 리포지토리명에서 확인할 수 있는 공개 문서를 참조하십시오. 공개 시에는 이용 시점의 preview 버전, 대응 OS, source-available license(소스 공개 라이선스), 미구현 범위를 반드시 확인해야 합니다.

'왠지 모르게 좋은 영상'을 목표로 하면, 리뷰가 아리스토텔레스 이전의 전시대적 수준에 머물게 됩니다. 다음 순서에 따라 게이트를 나눕니다.

• 길이, 컷 순서, 화각이 설계대로인가

• 컷마다 역할이 있는가

• 금지된 음성, 발화, 문자가 없는가

• 얼굴, 손, 손가락, 시선에 부자연스러움이 없는가

• 소품의 형태가 도중에 변하지 않는가

• 도입부나 종결부에 사용할 수 없는 프레임이 있는가

• 주인공이나 안내역이 동일 인물로 보이는가

• 색조, 조명, 카메라 느낌이 통일되어 있는가

• 아이콘의 의미와 외형이 일치하는가

• 실존 인물과 닮은 표현을 사용하지 않았는가

• 참조 이미지, 음성, 소재의 이용 조건을 확인했는가

• 로고나 공식 문구가 승인된 소재인가

컨택트 시트(contact sheet)는 컷 순서나 색의 일관성을 보기에는 편리하지만, 몇 초간 나타나는 문자나 손의 붕괴는 놓치기 쉽습니다. 최종 확인 시에는 실제로 재생하며 필요한 프레임을 추출하여 확인합니다.

단기 납기의 성패는 생성 속도보다 의사결정의 속도로 결정됩니다. 제작 시작 시점에 다음 사항을 동결(freeze)합니다.

• 사내 검토용인가, 외부 공개용인가
• 단편 버전인가, 몇 분 분량의 확장 버전인가
• 실존 인물인가, 가공의 캐릭터인가
• 음성, 자막, BGM을 넣을 것인가
• 공식 로고나 공식 UI를 어느 공정에 넣을 것인가
• 생성 서비스의 이용 약관 및 이용 조건을 누가 확인할 것인가
• 최종 승인자와 교체 기준은 무엇인가

사내 데모와 외부 공개 버전을 동일한 품질 기준으로 다루지 않는 것도 중요합니다. 전자의 경우 추상적인 UI나 무음 상태로도 구상을 전달할 수 있지만, 후자의 경우 권리, 브랜드, 음성, 표시 내용까지 확인 범위가 넓어집니다.

생성 AI 영상 제작에서는 생성 버튼을 누르는 것보다, 어디를 AI에게 맡기지 않을지를 결정하는 것이 더 중요했습니다.

AI에게 맡기는 범위를 좁히는 것이 AI를 활용하지 않는다는 의미는 아닙니다. 움직임과 분위기를 대량으로 탐색하게 하고, 정확성·권리·설명 책임을 인간의 공정으로 되돌리는 것입니다. 이는 모델의 우연성을 활용하면서도 기업 프로젝트에 필요한 통제력을 유지하기 위한 분업입니다.

이번 관찰은 특정 서비스나 프로젝트에 대한 성능 보증이 아닙니다. 다만 인물·UI·로고·리뷰를 하나의 생성 처리 과정에 모두 떠맡기면 어떤 도구라도 수정 비용이 늘어나기 쉽다는 설계상의 시사점은 재사용할 수 있습니다.

• 몇 분 분량의 영상을 일괄 생성하는 대신, 짧은 컷과 후편집 소재로 분해한다

• 움직임과 분위기는 생성 AI, 정확한 문자·UI·로고는 후편집으로 나눈다

• 대표 컷을 통해 인물, 색상, 금지 사항을 먼저 승인한다

• 프롬프트를 공통 사양·컷 사양·도구별 차이로 나눈다

• 비용은 생성비뿐만 아니라 편집·확인·재생성까지 포함하여 산출한다

• raw, 채택 버전, 프리뷰, 프롬프트를 연결하여 교체가 가능하게 한다

• 사내 데모와 외부 공개 버전은 필요한 품질 게이트를 분리한다

• FFmpeg Documentation — 영상의 연결이나 오디오 트랙 취급을 확인하는 공식 문서.

• SynapseGit — 소재, AI 귀속 제안, 사람의 판단을 로컬 이력으로 기록하는 실험적인 Git-like system. 공개 시에는 공식 리포지토리 링크를 추가한다. - 이 기사의 도판 중 제작 플로우 도와 비용 모델 도는 사내 검증 자료를 특정할 수 없는 입도로 재구성한 것입니다.