이미지 모델에 "neon lights가 있는 밤의 아름다운 사이버펑크 도시(a beautiful cyberpunk city at night with neon lights)"라고 입력하면 아주 평범한 결과물을 얻게 됩니다. 스카이라인은 중앙에 위치하고, 색상 팔레트는 파란색과 보라색이 기본값으로 설정됩니다. 구도는 중간 거리입니다. 당신은 12번을 다시 생성(reroll)한 끝에 그나마 가장 나은 것을 골라 다음 단계로 넘어갑니다.

저는 지난 8개월 동안 확산 모델(diffusion models)을 사용하여 4K 배경화면 에셋을 생성해 왔습니다. 품질이 비약적으로 향상된 가장 큰 요인은 모델을 교체하거나, 샘플러(samplers)를 튜닝하거나, 더 좋은 GPU를 구매한 것이 아니었습니다. 그것은 프롬프트를 산문(prose)이 아닌 구조화된 데이터(structured data)로 취급한 데서 왔습니다. 이 글에서는 타입이 지정된 프롬프트 슬롯(prompt slots)을 모델별 구문(syntax)으로 컴파일하는 Python 파이프라인을 소개합니다. 이를 통해 매번 똑같은 프롬프트를 처음부터 다시 쓰는 일을 멈출 수 있습니다.

여기 논쟁의 여지가 있는 부분이 있습니다. 자연어 프롬프트는 이미지 생성을 위한 잘못된 추상화(abstraction)라는 점입니다. 한 단락을 작성하고 모델이 당신의 의도를 해석하기를 바라는 것은 SQL을 영어 문장으로 작성하는 것과 같습니다. 사소한 경우에는 작동할지 모릅니다. 하지만 세트 내의 50개 이미지에 걸쳐 일관성을 유지해야 할 때는 무너지고 맙니다.

산문형 프롬프트의 문제점

대부분의 프롬프트 가이드는 원하는 것을 설명하는 문장을 쓰라고 말합니다. 모델은 토큰 감쇠(token decay)와 함께 왼쪽에서 오른쪽으로 문장을 읽으며, 이는 앞쪽 단어가 뒤쪽 단어보다 더 많은 가중치를 갖게 됨을 의미합니다. 하지만 문장에는 문법이 있고, 문법에는 어순 제약이 있습니다. "16:9 aspect ratio, golden hour, low-angle wide shot"을 문장 맨 앞에 두면 문장이 어색하게 들리지 않고서는 불가능합니다.

그래서 당신은 타협하게 됩니다. 영어로서 읽기에 괜찮은 문장을 작성하게 되고, 모델은 시각적 우선순위가 아닌 문법에 최적화된 순서로 토큰을 받게 됩니다.

한편, 모델은 문법을 전혀 이해하지 못합니다. 모델은 토큰을 가중치가 부여된 미적 신호(aesthetic signals)로 봅니다. "A beautiful"은 모호한 품질 클러스터를 활성화합니다. "Neon-lit"은 특정 조명 패턴을 활성화합니다. 영어를 읽기 쉽게 만드는 형용사-명사 구조는 모델의 어텐션 메커니즘(attention mechanism)에는 무관합니다.

해결책은 프롬프트를 영어로 쓰는 것을 멈추고 데이터로 쓰기 시작하는 것입니다.

슬롯 아키텍처 (The Slot Architecture)

모델에 관계없이 모든 이미지 프롬프트는 피사체 (subject), 스타일 (style), 조명 (lighting), 구도 (composition), 분위기 (mood), 색상 (color), 그리고 기술적 파라미터 (technical parameters)라는 동일한 슬롯을 다룹니다. SurePrompts 2026 가이드에서는 6개를 식별했습니다. 저는 7개를 사용하는데, 색상 (color)을 분위기 (mood)에서 분리하면 일관된 팔레트를 가진 월페이퍼 세트를 생성할 때 더 많은 제어권을 가질 수 있기 때문입니다.

데이터 구조는 다음과 같습니다:

from dataclasses import dataclass
from typing import Optional

...

각 슬롯은 리스트 (list)가 아닌 문자열 (string)입니다. 이는 모델별 구문 (syntax)이 토큰 가중치 (token weighting)를 다르게 처리하기 때문에 중요합니다. Stable Diffusion은 괄호 가중치 (golden hour:1.3)를 사용합니다. Midjourney는 :: 승수 (multipliers)를 사용합니다: golden hour::2. DALL-E는 가중치를 완전히 무시하고 자연어 (natural language)를 읽습니다. 여러분의 컴파일러 (compiler)는 모델별로 올바른 구문을 출력해야 합니다.

컴파일러 (The Compiler)

컴파일러는 PromptSlots를 입력받아 모델별 프롬프트 문자열을 출력합니다. 이는 단순한 매핑 (mapping) 문제입니다.

class PromptCompiler:
    """PromptSlots를 모델별 프롬프트 문자열로 컴파일합니다."""

...

DALL-E 컴파일러는 의도적으로 문장을 구성하는데, 이는 DALL-E의 내부 프롬프트 재작성 (prompt rewriting) 기능이 자연어와 함께 작동할 때 더 성능이 좋기 때문입니다. SD 컴파일러는 조명 (lighting)과 색상 (color)에 가중치를 사용하는데, 이 슬롯들은 부정확함이 출력 품질을 가장 크게 저해하는 부분이기 때문입니다. Midjourney는 플래그 (flags)를 받는데, 그것이 해당 모델의 파라미터 시스템 (parameter system)이 작동하는 방식입니다.

이러한 선택 중 어느 것도 보편적인 진리는 아닙니다. 이는 동일한 7개 슬롯의 브리프 (brief)를 세 가지 모델에 실행하고 출력을 비교하여 얻은 경험적 결과입니다. 여러분은 자신의 결과에 따라 가중치를 조정하게 될 것입니다. 핵심은 조정이 수십 개의 수동 작성된 프롬프트에 흩어져서 일어나는 것이 아니라, 단 한 곳(컴파일러)에서 일어난다는 점입니다.

일관된 스타일로 월페이퍼 세트 구축하기

이 지점이 바로 슬롯 구조 (slot architecture)가 빛을 발하는 부분입니다. 4K 월페이퍼 세트를 생성할 때, 여러분은 시각적 일관성 (visual consistency)을 원할 것입니다. 동일한 색상 팔레트 (color palette), 동일한 조명 (lighting), 동일한 스타일 (style). 오직 피사체 (subject)만 바뀌어야 합니다.

wallpaper_base = PromptSlots(
    subject="",  # 이미지마다 채워짐
    style="dystopian sci-fi concept art, cinematic color grading",
...

이를 실행하면 6개의 동일한 슬롯을 공유하는 4개의 프롬프트를 얻게 됩니다. 시드 (seed)는 고정됩니다. 동일한 시드를 사용하여 동일한 모델을 통해 4개를 모두 생성하면, 출력물들은 각 프롬프트를 처음부터 새로 작성해서는 거의 달성하기 불가능한 시각적 언어 (visual language)를 공유하게 됩니다.

저는 이를 40개의 사이버펑크 (cyberpunk) 월페이퍼로 테스트해 보았습니다. 동일한 베이스 슬롯에 40개의 서로 다른 피사체를 적용했습니다. 결과물 세트는 마치 한 명의 아트 디렉터 (art director)가 만든 것처럼 보였습니다. 반면, 직접 손으로 프롬프트를 작성했을 때는 결과물들이 마치 네 명의 서로 다른 사람이 만든 것처럼 보였습니다.

가중치 튜닝 문제 (The Weight Tuning Problem)

컴파일러가 해결할 수 없는 단 한 가지는 가중치 튜닝 (weight tuning)입니다. 제가 (volumetric neon glow:1.2)라고 말할 때, 1.2라는 승수 (multiplier)는 추측일 뿐입니다. 너무 낮으면 모델이 빛을 충분히 렌더링하지 못하고, 너무 높으면 이미지가 타버립니다 (blow out).

해결책은 가중치 스윕 (weight sweep)을 실행하는 것입니다. 조명 슬롯 (lighting slot)에 대해 0.8, 1.0, 1.2, 1.4, 1.6의 가중치를 적용하여 동일한 프롬프트를 생성하고, 가장 좋아 보이는 것을 선택하여 고정하는 것입니다. 프롬프트를 직접 작성하고 있다면 이는 매우 지루한 작업입니다. 하지만 컴파일러를 사용하면 숫자 하나만 바꾸면 됩니다.

def weight_sweep(slots: PromptSlots, weights=None):
    """조명 슬롯의 가중치를 스윕하여 프롬프트 변형들을 반환합니다."""
    if weights is None:
...

실제로 저는 이를 API를 통해 실행하고 출력물을 나란히 저장합니다. 5번의 생성, 5개의 가중치, 단 하나의 변수 변경. 조명에 대한 1.0과 1.4의 차이는 다른 변화 없이도 평면적인 느낌과 영화적인 (cinematic) 느낌을 가르는 결정적인 차이가 되는 경우가 많습니다.

산문형 프롬프트(Prose Prompts)가 괜찮은 경우

산문형 프롬프트가 항상 틀렸다는 뜻은 아닙니다. 무엇을 원하는지 아직 모르는 탐색적 생성(exploratory generation) 단계에서는, 문장을 입력하고 결과가 어떻게 나오는지 확인하는 것이 올바른 접근 방식입니다. 슬롯 아키텍처(slot architecture)는 프로덕션(production)을 위한 것입니다. 즉, 일관성(consistency), 재현성(reproducibility), 그리고 한 번에 하나의 변수만 조정할 수 있는 능력이 필요할 때 사용합니다.

이미지를 하나만 생성하고 넘어간다면 문장을 작성하세요. 만약 서로 어울리는 것처럼 보여야 하는 10장 이상의 이미지 세트를 생성한다면, 슬롯(slots)을 사용하세요.

이를 통해 얻을 수 있는 것

컴파일러(compiler) 방식은 직접 작성한 프롬프트로는 불가능한 세 가지를 제공합니다.

버전 관리(Version control). 모든 프롬프트는 데이터 객체(data object)입니다. 두 버전을 비교(diff)하여 정확히 어떤 슬롯이 변경되었는지 확인할 수 있습니다. 이미지 세트가 잘못되어 보일 때, 어떤 슬롯을 수정해야 하는지 즉시 알 수 있습니다.

배치 일관성(Batch consistency). 공유된 베이스 슬롯(shared base slots)은 세트 전체에 걸쳐 시각적 일관성을 보장합니다. 피사체(subject)만 바꾸고 나머지는 그대로 유지할 수 있습니다. 이것이 프로덕션용 배경화면 파이프라인(wallpaper pipelines)이 작동하는 방식입니다.

모델 이식성(Model portability). 동일한 PromptSlots 객체가 SD, Midjourney, DALL-E 구문으로 컴파일됩니다. 모델을 전환할 때 프롬프트를 다시 작성할 필요가 없습니다. 컴파일러 메서드(compiler method)만 변경하면 됩니다.

그 대가는 사전 설계(upfront design)입니다. 생성하기 전에 어떤 슬롯이 귀하의 사용 사례에 중요한지 결정해야 합니다. 그것이 핵심입니다. 생성 후에 50장의 잘못된 이미지를 받아보고 결정하는 것보다, 생성 전에 결정하는 것이 비용이 훨씬 적게 듭니다.

만약 배경화면 세트나 디지털 디자인 자산을 대규모로 생성하고 있다면, 프롬프트 박스에 문장을 입력하는 것을 멈추세요. 프롬프트를 데이터로 취급하세요. 그것들을 컴파일하세요. 한 번에 하나의 변수만 조정하세요. 출력 품질은 비약적으로 상승할 것이며, 다시 생성(rerolling)하는 데 쓰는 시간은 줄어들 것입니다.

🎨 Lumora Studio — AI로 생성된 4K 배경화면 및 디지털 디자인 자산.
프리미엄 품질, 즉시 다운로드. 컬렉션 둘러보기 →

이 기사는 AI의 도움을 받아 작성되었으며 정확성을 위해 검토되었습니다.