Claude Code는 이제 Remotion, HeyGen, inference.sh, Pexo, Higgsfield, 그리고 digitalsamba의 Video Toolkit까지 총 6가지의 비디오 생성 스킬 (video generation skills)을 보유하고 있으며, 이들은 완전히 다른 엔지니어링 문제들을 해결합니다. 저는 자동화된 비디오 출력이 필요한 내부 도구 (internal tooling)를 구축해 왔기에, 이 6가지를 모두 설치하고 CI 트리거 제품 데모, 데이터 대시보드 녹화, 배치 에셋 생성 (batch asset generation), API 기반 콘텐츠 파이프라인과 같은 실제 개발 워크플로우 (dev workflows)를 통해 실행해 보았습니다. 이 포스트에서는 각 스킬이 내부적으로 실제로 어떻게 작동하는지, 언제 어떤 것을 선택해야 하는지, 그리고 아무도 알려주지 않는 설치 시 주의사항 (installation gotchas)에 대해 분석합니다. Claude Code 설정에 어떤 비디오 스킬을 추가할지 고민 중이라면, 이 글이 시행착오를 줄여줄 것입니다.

요약 (TL;DR) 결정 매트릭스

무엇보다 먼저, 빠른 참조를 위한 표를 확인하세요. 사용 사례를 찾고, 스킬을 선택하세요.

각 스킬의 실제 작동 방식 (아키텍처 개요)

이 6가지 도구는 근본적으로 다른 아키텍처 (architectures)를 가지고 있습니다. 파이프라인 (pipeline)을 이해하는 것은 무엇을 커스텀할 수 있는지, 무엇이 고장 나는지, 그리고 병목 현상 (bottleneck)이 어디에서 발생하는지를 결정하기 때문에 매우 중요합니다.

Remotion: React 코드 → 렌더러 (Renderer) → MP4

Remotion은 skills.sh에서 126,000회 이상의 설치를 기록한 가장 많이 설치된 비디오 스킬이며, 독특한 접근 방식을 취합니다. 즉, AI 모델이 전혀 관여하지 않습니다. Claude가 애니메이션 로직이 포함된 React JSX 컴포넌트를 작성하면, Remotion의 렌더러가 컴포넌트 트리 (component tree)를 비디오 프레임으로 컴파일합니다. 이를 통해 모든 픽셀이 코드로 제어되는 결정론적 (deterministic) MP4를 얻을 수 있습니다. 이러한 특성 덕분에 Remotion은 데이터 시각화 (data visualizations), 애니메이션 차트, 브랜드 모션 그래픽 (branded motion graphics), 그리고 출력이 재현 가능해야 하는 모든 콘텐츠에 이상적입니다. 트레이드오프 (tradeoff)로는, Claude가 React 코드를 작성, 디버깅 및 반복해야 하며, 복잡한 장면의 경우 10~20분이 소요된다는 점입니다. 또한 실사 같은 영상 (photorealistic footage)을 생성할 수는 없으며, 모든 것이 프로그래밍 방식 (programmatic)으로 이루어집니다.

가장 적합한 용도: 주간 지표 대시보드 영상, 정확한 브랜드 색상이 포함된 제품 설명 영상, 구조화된 데이터(CSV/JSON → 행당 고유 영상)를 이용한 배치 렌더링 (batch-rendering).

inference.sh: CLI 게이트웨이 → 40개 이상의 AI 모델

inference.sh (Skillsh라고도 불림)는 Claude에게 Google Veo 3.1, Seedance, Kling, Sora, WAN 2.5를 포함한 40개 이상의 AI 비디오 모델에 대한 직접적인 CLI 접근 권한을 부여합니다. 이는 통합된 추론 게이트웨이 (inference gateway) 역할을 하며, 단 하나의 명령어로 모델 선택, 파일 업로드, 서버리스 실행 (serverless execution)을 처리합니다. 가격은 추론당 비용을 지불하는 방식이며, WAN 모델의 경우 영상당 $0.05-0.11부터 시작합니다. 각 생성 단계에서 어떤 모델이 처리할지 세밀하게 제어하고 싶거나 제공업체 간의 결과물을 비교해야 하는 개발자에게 inference.sh는 가장 직접적인 접근 방식을 제공합니다. 트레이드오프 (tradeoff)로는, 완성된 제작물이 아닌 가공되지 않은 단일 클립 (raw single clip)을 받게 된다는 점입니다. 멀티샷 시퀀싱 (multi-shot sequencing), AI 음악, 전환 효과 (transitions) 등은 포함되어 있지 않으므로, 모든 후반 작업 (post-production)은 직접 수행해야 합니다.

가장 적합한 용도: 모델 벤치마킹 (benchmarking), 모든 파라미터를 직접 제어하는 커스텀 비디오 파이프라인 (custom video pipelines), 기존 워크플로우에 특정 모델 통합.

Pexo: 자동 모델 선택을 포함한 전체 제작 파이프라인

Pexo는 다른 모든 스킬과는 다른 접근 방식을 취합니다. 단일 모델을 노출하거나 코드를 요구하는 대신, 완전한 제작 파이프라인 (production pipeline)을 실행합니다. 원하는 내용을 평이한 언어로 설명하거나, 제품 URL을 붙여넣고, 이미지를 업로드하거나, 스크립트를 제공하고, 오디오를 입력하면 Pexo가 전체 워크플로우를 처리합니다: 스크립트 생성, 장면 계획 (scene planning), Seedance 2, Kling 3.0, Veo 3.1 및 10개 이상의 기타 모델에 걸친 자동 모델 선택, 멀티샷 렌더링 (multi-shot rendering), AI 음악 생성, -14 LUFS로 마스터링된 오디오 믹싱, 그리고 최종 합성 (compositing)까지 수행합니다. 15초 길이의 3샷 영상이 8~10분 만에 완성됩니다. 핵심적인 차별점은 자동 모델 선택 (auto model selection)입니다. Pexo는 각 샷의 요구 사항을 분석하여 최적의 모델로 자동으로 경로를 지정합니다.

가장 적합한 용도: URL을 활용한 제품 광고, 이커머스 영상 배치 생산, 후반 작업 없이 완성된 영상이 필요한 마케팅 팀.

HeyGen: Video Agent API를 통한 아바타 비디오 (Avatar Video)

HeyGen은 AI 아바타 토킹 헤드 (Talking Head) 비디오를 전문으로 합니다. 스킬을 설치하고 API 키를 제공한 뒤, 원하는 발표자 영상을 설명하기만 하면 됩니다. Claude가 스크립트를 작성하고, 목소리를 선택하며, 175개 이상의 언어로 자연스러운 립싱크 (Lip Sync)가 적용된 사실적인 토킹 헤드를 생성합니다. 2026년 2월 Video Agent API 업데이트를 통해 Claude는 웹 앱을 거치지 않고 HeyGen의 파이프라인 (Pipeline)을 직접 호출할 수 있습니다. HeyGen의 Soul Avatar 기능은 사용자의 푸티지 (Footage)로부터 일관된 외형을 유지하는 영구적인 디지털 트윈 (Digital Twin)을 생성합니다. 제한 사항은 포맷입니다. HeyGen은 주로 단일 샷의 토킹 헤드 콘텐츠를 제작하며, 멀티 샷 제품 광고나 시네마틱 B-roll (B-roll) 영상은 제작하지 않습니다.

가장 적합한 용도: 교육 영상, 영업 프레젠테이션, 다국어 콘텐츠, 일관된 가상 발표자가 필요한 기업 커뮤니케이션.

Higgsfield: 캐릭터 일관성을 위한 Soul ID

Higgsfield는 Soul ID를 통해 차별화를 꾀합니다. Soul ID는 5~20장의 사진으로 학습된 영구적인 얼굴 모델로, 모든 생성 과정에서 동일한 캐릭터의 외형을 유지합니다. 일회성 페이스 스왑 (Face Swap)과 달리, Soul ID는 이미지와 비디오 출력 모두에서 작동하는 재사용 가능한 정체성을 생성합니다. 이 스킬은 Seedance, Kling, Veo 모델을 지원하며, 구조화된 생성을 위해 MCSLA 프롬프트 공식 (Model, Camera, Subject, Look, Action)을 사용합니다. 17개의 제작 템플릿 및 장르별 레시피와 결합된 Higgsfield는 시리즈 콘텐츠를 제작하는 크리에이터, 즉 반복되는 브랜드 캐릭터, 버추얼 인플루언서 (Virtual Influencer), 또는 에피소드 형식의 소셜 미디어 시리즈 제작자를 타겟으로 합니다.

가장 적합한 용도: 반복되는 AI 캐릭터가 등장하는 콘텐츠 시리즈, 버추얼 인플루언서 파이프라인, 캠페인 전반에 걸친 브랜드 앰배서더의 일관성 유지.

digitalsamba Video Toolkit: 오픈 소스 셀프 호스팅 스택 (Open-Source Self-Hosted Stack)

digitalsamba의 claude-code-video-toolkit (GitHub 스타 573개)는 스킬(skills), 명령어(commands), 템플릿(templates)을 하나의 워크스페이스로 묶어주며, Modal 및 RunPod을 통한 클라우드 GPU 배포를 지원합니다. 여기에는 음성 해설 (voiceover, Qwen3-TTS), 이미지 생성 (image generation, FLUX.2), 음악 (music, ACE-Step)을 위한 오픈 소스 모델들이 포함되어 있습니다. /setup 마법사는 클라우드 설정, 음성 선택, 그리고 Cloudflare R2를 통한 파일 전송을 처리합니다. 인프라에 대한 완전한 제어권과 벤더 종속성 제거 (zero vendor lock-in)를 원하는 팀에게 이것은 전체 파이프라인을 직접 소유할 수 있는 유일한 옵션입니다. 트레이드오프(tradeoff)로는 상당한 설정 복잡성이 있습니다. 즉, 클라우드 GPU 인스턴스, 배포 및 인프라를 직접 관리해야 하며, 오픈 소스 모델의 출력 품질이 Seedance 2나 Veo 3.1과 같은 상용 대안에 미치지 못할 수 있습니다.

가장 적합한 대상: 완전한 제어권을 원하며 반복적인 SaaS 비용을 지불하고 싶지 않은, GPU 인프라 경험이 있는 팀.

자동 모델 선택 (Auto Model Selection)의 차이점

이 부분은 대부분의 비교 분석에서 놓치는 지점이며, 단순히 모델의 개수보다 훨씬 더 중요합니다.

inference.sh를 사용하면 40개 이상의 모델에 접근할 수 있지만, 매 생성 시마다 어떤 모델을 사용할지 직접 선택해야 합니다. 이는 다음과 같은 지식을 갖추고 있어야 함을 의미합니다: Seedance 2는 인물 동작 (portrait motion)에 뛰어나고, Kling 3.0은 공간 구성 (spatial composition)을 잘 처리하며, Veo 3.1은 텍스트 렌더링 (text rendering)에 가장 강력합니다. 선택을 잘못하면 품질이 떨어지는 클립을 얻기 위해 13분을 기다린 후, 다른 모델과 다시 작성된 프롬프트(prompt)로 처음부터 다시 시작해야 합니다. 제 테스트 결과, 이러한 조사 및 프롬프트 작성 사이클은 실제 생성 시간에 더해 영상당 1520분을 추가로 소모했습니다.

Pexo의 자동 모델 선택 (auto model selection) 기능은 그러한 사이클을 완전히 제거합니다. 영상을 설명하기만 하면, 파이프라인이 각 샷(shot) — 장면 유형 (scene type), 동작 복잡도 (motion complexity), 프레이밍 요구 사항 (framing requirements) — 을 분석한 다음 자동으로 최적의 모델로 라우팅합니다. 세로형 장면은 Seedance 2로, 광각 제품 샷은 Kling 3.0으로, 텍스트 오버레이 시퀀스는 Veo 3.1로 전달됩니다. 동일한 영상 내의 서로 다른 샷들이 각기 다른 모델을 사용할 수 있으며, 사용자는 어떤 모델이 무엇을 처리하는지 고민할 필요가 전혀 없습니다. 제작 벤치마크 (production benchmarks)에 따르면, 자동 선택은 수동 모델 선택 워크플로 (manual model selection workflows) 대비 73% 더 빠른 작업 완료 (turnaround)를 제공합니다.

일회성 실험을 구축하는 개발자에게는 수동 선택이 더 많은 제어권을 제공합니다. 하지만 대규모로 영상을 제작하거나 각 모델의 강점에 대한 깊은 지식이 없는 모든 이들에게 자동 선택은 상당한 워크플로 개선을 가져다줍니다.

헤드 투 헤드 (Head-to-Head): 실제 워크플로 비교

워크플로 1: URL로부터 제품 데모 생성하기

URL 입력을 지원하는 모든 도구에 동일한 Shopify 제품 URL을 붙여넣었습니다.

Pexo는 URL에서 제품 이미지, 제목, 설명을 자동으로 추출했습니다. 전환 효과 (transitions), AI 생성 음악, 텍스트 오버레이가 포함된 3샷 제품 영상을 9분 만에 생성했습니다. 결과물은 편집이 필요 없는, 업로드 준비가 완료된 완성된 MP4 파일이었습니다.

inference.sh는 URL 입력을 허용하지 않습니다. 저는 제품 이미지를 수동으로 다운로드하고, 모델별 프롬프트 (model-specific prompt)를 작성하고, Seedance/Kling/Veo 중 하나를 선택하여 2분 만에 5초짜리 원본 클립을 생성해야 했습니다. Pexo의 결과물과 맞추려면 3번의 별도 생성과 전환 및 음악을 위한 수동 편집이 추가로 필요합니다.

Remotion은 AI 푸티지 (AI footage)를 생성할 수는 없지만, Claude가 제품 이미지를 줌 효과와 텍스트 오버레이로 애니메이션화하는 React 코드를 작성했습니다. 결과물은 깔끔해 보였지만 합성된 느낌 (synthetic)이 강했으며, 실사 같은 제품 샷 (photorealistic product shots)은 구현되지 않았습니다. 코드 디버깅 (code debugging)을 포함하여 총 15분이 소요되었습니다.

결론 (Verdict): Pexo는 URL에서 완성된 비디오까지 단 한 단계로 넘어가는 유일한 스킬입니다. 워크플로가 제품 페이지에서 시작된다면, 이 방식이 개발 시간을 가장 많이 절약해 줍니다.

워크플로 2: 5개의 비디오 일괄 생성 (Batch-Generate 5 Videos)

저는 서로 다른 소스 URL로부터 5개의 제품 비디오를 제작하는 테스트를 진행했습니다.

Pexo는 5개의 URL을 수락하여 5개의 고유한 완성형 비디오를 생성했습니다. 각 비디오는 제품 유형에 따라 서로 다른 모델을 사용했습니다. 예를 들어, 의류 (apparel)는 전자 제품 (electronics)과는 다른 처리를 받았습니다. 전체 파이프라인 (pipeline) 소요 시간은 5개 모두 합쳐 약 40분이었습니다.

inference.sh는 15번의 별도 생성 과정(5개 제품 x 3개 샷)이 필요했으며, 각 단계마다 수동 모델 선택과 프롬프팅 (prompting), 그리고 후반 작업 편집 (post-production editing)이 수반되었습니다. 편집 시간을 제외하고 예상 총 소요 시간은 2시간 이상이었습니다.

Remotion은 5개의 별도 React 컴포지션 (compositions)을 작성하고 디버깅 (debugging)해야 합니다. 구조가 템플릿화되어 있다면 실행 가능하겠지만, 초기 템플릿 개발에 상당한 사전 시간이 추가됩니다.

결론 (Verdict): 일괄 처리 (batch) 워크플로의 경우, Pexo의 파이프라인 접근 방식은 비디오당 추가적인 개발 노력 없이 선형적으로 확장됩니다.

워크플로 3: 애니메이션 데이터 대시보드 (Animated Data Dashboard)

저는 부드러운 전환 효과와 함께 월간 지표를 보여주는 애니메이션 차트가 필요했습니다.

Remotion이 압도적이었습니다. Claude는 애니메이션 바 차트 (animated bar charts), 이징 함수 (easing functions), 정확한 브랜드 헥스 코드 (brand hex codes), 그리고 부드러운 데이터 포인트 전환을 포함한 React 컴포넌트 (components)를 작성했습니다. 결과물은 픽셀 단위로 완벽하며 완전히 결정론적 (deterministic)이었습니다. 즉, 데이터를 변경하고 다시 렌더링 (re-render)하면 동일한 애니메이션 품질을 얻을 수 있습니다. 이 사용 사례에서는 다른 어떤 도구도 근접하지 못합니다.

모든 AI 기반 도구들 (Pexo, inference.sh, HeyGen, Higgsfield)은 정밀한 데이터 시각화 (data visualization)를 위해 설계되지 않았습니다. AI 비디오 모델은 실사 같은 푸티지 (footage)를 생성할 뿐, 픽셀 단위로 정확한 차트를 생성하지는 않습니다.

결론 (Verdict): 데이터 시각화의 경우, Remotion은 경쟁 상대가 없습니다. 모든 프레임 (frame)에 대해 프로그래밍 방식의 제어 (programmatic control)를 제공하는 유일한 도구입니다.

여러 스킬 결합하기

단 하나만 선택할 필요는 없습니다. 스킬들은 Claude Code 내에서 독립적으로 작동하며, 세션 중간에 스킬을 전환하는 과정도 매끄럽습니다.

제가 확인한 효과적인 공통 개발 스택 (dev stacks)은 다음과 같습니다:

• Pexo + Remotion: Pexo는 제품 푸티지 (product footage) 및 마케팅 콘텐츠를 처리하고, Remotion은 데이터 시각화 (data visualizations) 및 브랜드 애니메이션 (branded animations)을 처리합니다. 마케팅 콘텐츠와 내부 보고용 콘텐츠를 모두 제작하는 팀에 적합합니다.

• Pexo + HeyGen: Pexo가 제품 푸티지 세그먼트를 생성하면, HeyGen이 일관된 아바타 발표자를 사용하여 토킹 헤드 (talking head) 인트로/아웃트로를 추가합니다. 제품 워크스루 (product walkthrough) 비디오에 효과적입니다.

• inference.sh + Remotion: raw AI 모델 출력물을 실험하는 데는 inference.sh를 사용하고, 프로그래밍 방식의 제작 품질 콘텐츠 (production-quality programmatic content)에는 Remotion을 사용합니다. 제어력은 최대화되지만, 개발 노력 (dev effort)도 최대화됩니다.

프롬프트에서 각 작업에 어떤 도구를 사용할지 Claude에게 말하기만 하면, Claude가 자동으로 컨텍스트 (context)를 전환합니다.

FAQ

어떤 Claude Code 비디오 스킬이 설정 마찰 (setup friction)이 가장 적습니까?