몇 달 전, 저는 소셜 미디어 콘텐츠를 위한 AI 비디오 생성 (AI video generation) 실험을 시작했습니다.

문제는 비디오를 생성하는 것이 아니었습니다.

문제는 실제로 일관성 (consistency) 있게 느껴지는 비디오를 생성하는 것이었습니다.

저는 종종 다음과 같은 문제에 직면했습니다:

• 장면 사이에서 캐릭터가 변함
• 무작위로 느껴지는 카메라 움직임 (camera movements)
• 잘 연결되지 않는 여러 개의 클립
• 결과물을 재생성하는 데 너무 많은 시간 소요

숏폼 콘텐츠 (short-form content)를 제작하는 사람으로서, 저는 몇 시간 동안 편집에 매달리지 않고도 더 일관성 있는 비디오를 제작할 수 있는 워크플로우 (workflow)를 원했습니다.

그때 Kling 3.0 테스트를 시작했습니다.

Kling 3.0은 영화 같은 비디오 제작을 위해 설계된 AI 비디오 생성 모델입니다.

저에게 눈에 띄었던 몇 가지 기능은 다음과 같습니다:

• 텍스트 투 비디오 (Text-to-Video)
• 이미지 투 비디오 (Image-to-Video)
• 멀티 샷 스토리보딩 (Multi-Shot Storyboarding)
• 캐릭터 일관성 (Character Consistency)
• 네이티브 오디오 생성 (Native Audio Generation)
• 최대 15초 비디오 출력

고립된 클립을 만드는 대신, 더 일관된 스토리텔링 (storytelling)을 가진 연결된 장면들을 생성할 수 있습니다.

저는 보통 참조 이미지 (reference image)로 시작합니다.

프롬프트 (prompt) 예시:

도쿄의 밤에 주차된 럭셔리 스포츠카,
시네마틱 라이팅 (cinematic lighting),
빗물 반사,
...

저는 여기서 대부분의 시간을 보냅니다.

더 강력한 이미지가 보통 더 강력한 비디오를 만들어냅니다.

이미지가 준비되면, 이를 업로드하고 모션 지시 사항 (motion instructions)에 집중합니다.

프롬프트 예시:

느린 시네마틱 카메라 오빗 (Slow cinematic camera orbit),
젖은 도로 위로 움직이는 반사,
미묘한 환경적 움직임,
...

제가 발견한 한 가지는 카메라 관련 프롬프트가 특히 잘 작동한다는 점입니다.

다음과 같은 용어들:

• dolly in
• orbit shot
• tracking shot
• cinematic push in

은 종종 더 예측 가능한 결과를 만들어냅니다.

저는 첫 번째 생성물을 그대로 두는 경우가 거의 없습니다.

대신 여러 버전을 만들어 다음과 같은 항목들을 비교합니다:

• 모션 품질 (Motion quality)
• 카메라 움직임 (Camera movement)
• 캐릭터 일관성 (Character consistency)
• 전반적인 분위기 (Overall atmosphere)

이를 통해 보통 편집을 위한 최소 한 개의 강력한 후보를 얻을 수 있습니다.

생성 후에는 클립을 CapCut으로 가져옵니다.

이 단계에서 저는 오직 다음 항목들만 추가합니다:

• 자막 (Captions)
• 음악 (Music)
• 로고 (Logo)
• 전환 효과 (Transitions)

시각적 스토리텔링의 대부분은 이미 모델에 의해 생성되어 있습니다.

이 워크플로우(Workflow)는 특히 다음과 같은 경우에 매우 효과적입니다:

새로운 촬영 없이 영화 같은 클립(Clips) 제작.

제작 전 빠른 상업적 컨셉(Commercial concepts) 생성.

장면 아이디어 및 서사 시퀀스(Narrative sequences) 테스트.

TikTok, Reels, X를 위한 시각적 콘텐츠 제작.

제가 가장 마음에 드는 점은 품질과 속도 사이의 균형입니다.

이전의 AI 비디오 워크플로우와 비교했을 때, Kling 3.0은 다음과 같은 이점을 제공합니다:

• 더 나은 멀티샷(Multi-shot) 생성
• 향상된 피사체 일관성 (Subject consistency)
• 네이티브 오디오 (Native audio) 지원
• 더 긴 비디오 재생 시간
• 더 영화적인 카메라 컨트롤 (Camera control)

이러한 기능들은 개별적인 클립이 아닌, 서로 연결된 느낌을 주는 영상을 제작하기 더 쉽게 만들어 줍니다.

여러 AI 비디오 도구들을 테스트해 본 결과, 저는 워크플로우가 모델 자체보다 더 중요하다는 것을 배웠습니다.

강력한 참조 이미지 (Reference image), 명확한 동작 지침 (Motion instructions), 그리고 단순한 편집 프로세스는 최종 결과물을 극적으로 향상시킬 수 있습니다.

AI 비디오 제작을 실험하고 있다면, 여러분만의 프롬프트 (Prompts)로 이 워크플로우를 시도해 보고 어떤 결과물을 만들어낼 수 있는지 확인해 보세요.