AI로 유튜브 영상 만들기 — 대본부터 음성까지 5단계 실전 워크플로우
핵심 요약: AI 영상 제작의 핵심은 "한 번에 다 만들기"가 아니라 단계를 쪼개서 각 단계의 품질을 통제하는 것입니다. 스타일 → 대본 → 씬 이미지 → 음성 → 메타의 5단계로 나누면 편집만 남기고 전부 자동화할 수 있고, 편당 제작 비용은 AI 실비 기준 2,000~4,000원 수준까지 내려갑니다.
왜 단계를 쪼개야 하나
프롬프트 하나로 "영상 만들어줘"라고 하면 어느 단계에서 품질이 무너졌는지 알 수 없습니다. 대본이 문제인지, 이미지가 문제인지, 음성이 문제인지 구분이 안 되니 전체를 다시 돌리게 되고, 비용과 시간이 배로 듭니다.
단계를 분리하면 각 산출물을 확인하고 마음에 안 드는 단계만 다시 돌릴 수 있습니다. 실제 제작 파이프라인은 다음과 같습니다.
1단계 — 스타일 기준을 먼저 고정한다
영상 전체의 무드·색감·조명 톤을 대표하는 기준 이미지를 먼저 만듭니다. 이 기준 없이 씬 이미지를 낱장으로 뽑으면 장면마다 톤이 흔들려 "AI 티"가 심하게 납니다.
- 원하는 느낌의 참고 이미지가 있다면 1~5장을 함께 넣어 색감·구도를 학습시킵니다
- 요청문은 "다크하고 시네마틱한 우주 다큐 톤, 깊은 남색과 금색 포인트"처럼 무드+색을 함께
- 기준 이미지는 이후 모든 씬 이미지의 레퍼런스로 재사용됩니다
이 단계에 1~2분을 쓰는 것이 뒤에서 씬 이미지를 재생성하는 시간을 몇 배로 아껴줍니다.
2단계 — 대본은 차별화 규칙으로 강제한다
AI 대본의 품질은 프롬프트의 구체성이 결정합니다. "대본 써줘"가 아니라 규칙을 강제해야 합니다.
- 훅(0~3초): 질문·역설·충격 수치 중 하나로 시작
- 씬당 길이 고정 (예: 15초 = 한국어 약 60자)
- 오픈 루프 1개 심고 마지막 씬에서 회수
- 참고 영상의 사례를 그대로 쓰지 말고 같은 논지의 다른 사례로 교체
- 클리셰 금지 ("오늘은 ~에 대해 알아보겠습니다")
- 씬마다 이미지 프롬프트 동시 생성
특히 마지막 항목이 중요합니다. 대본과 이미지 프롬프트를 한 번에 생성하면 나레이션과 화면이 자연스럽게 맞물리고, 다음 단계 작업이 완전히 자동화됩니다.
참고 영상의 자막을 넣을 때는 "이 자막을 요약해줘"가 아니라 "이 주제의 검증된 관심사만 가져오고 문장·구성·사례는 새로 창작하라"고 지시해야 저작권과 품질 문제를 동시에 피할 수 있습니다.
3단계 — 씬 이미지는 기준 이미지를 레퍼런스로
1단계의 스타일 기준 이미지를 레퍼런스로 넘겨서 씬 이미지를 생성하면 색감·조명이 이어져 하나의 영상처럼 보입니다. 텍스트로 "일관된 스타일로"라고 쓰는 것보다 실제 이미지를 참조시키는 쪽이 훨씬 안정적입니다.
이미지 프롬프트 자체의 품질 규칙도 있습니다.
- "주제 + 행동/상황 + 배경 + 카메라 구도 + 조명 무드" 구조로
- 나레이션의 핵심 개념을 시각적 은유로 (텍스트를 그리라는 지시는 금지 — AI는 글자를 잘 못 그립니다)
- 사람 얼굴 클로즈업보다 상징적 장면·오브젝트·와이드샷 (AI 생성 어색함 최소화)
4단계 — 음성은 톤 지시가 반이다
같은 TTS 모델이라도 톤 지시에 따라 결과가 완전히 달라집니다. 콘텐츠 성격에 맞는 톤을 명시하세요.
| 콘텐츠 | 추천 톤 | 지시 예시 |
|---|---|---|
| 지식·다큐 | 차분한 신뢰 톤 | "낮은 톤, 또박또박, 문장 끝을 살짝 눌러서" |
| 이슈·엔터 | 에너지 톤 | "빠른 템포, 핵심 단어에 힘, 끌어당기듯" |
| 시사·정보 | 앵커 톤 | "명료한 발음, 중립적, 일정한 속도" |
| 스토리·감성 | 스토리텔링 톤 | "완급 조절, 중요한 순간엔 속삭이듯" |
씬 단위로 음성을 생성하면 편집 프로그램에 얹을 때 타임라인 정렬이 쉬워집니다. 전체 대본을 한 파일로 뽑으면 컷 편집 때마다 오디오를 잘라야 해서 오히려 일이 늘어납니다.
5단계 — 메타데이터까지가 제작이다
제목·설명·태그는 업로드 직전에 대충 쓰는 것이 아니라 제작 단계의 일부입니다.
- 제목: 호기심 갭 / 숫자 / 반전 공식 중 대본과 맞는 것 — 단, 본편이 회수할 수 있는 약속만
- 설명 첫 문장: 검색 결과에 노출되는 125자 안에 핵심 키워드 + 후킹
- 태그: 핵심 키워드 → 연관 키워드 → 롱테일 순서로 10개 내외
전체 비용과 시간은 얼마나 드나
8씬 롱폼 기준 실측치입니다.
| 항목 | AI 실비 | 소요 시간 |
|---|---|---|
| 대본 (프리미엄 모델) | ~350원 | 30초~1분 |
| 씬 이미지 9장 | ~1,000원 | 3~5분 |
| 음성 8씬 | ~100원 | 1분 |
| 분석·메타 | ~300원 | 30초 |
| 합계 | 약 2,000원 내외 | 10분 내외 |
외주 대본 한 편이 5~10만 원, 편집자 고용 없이 주 1편이 한계였던 채널이라면 구조 자체가 달라지는 숫자입니다. welcl Studio는 이 5단계를 클릭 몇 번으로 묶어두었고, AI 비용은 본인 API 키로 투명하게 정산됩니다.
자주 묻는 질문
Q. AI로 만든 영상도 수익 창출이 되나요? 됩니다. 단, 유튜브는 "반복적이고 변형 없는 대량 생산 콘텐츠"를 제재하므로, 대본의 독창성과 편집의 개입이 중요합니다. AI는 자산 생산을 맡고 최종 편집·검수는 사람이 하는 구조가 안전합니다.
Q. 영상 1편 만드는 데 비용이 얼마나 드나요?
AI API 실비 기준으로 대본·이미지 89장·음성까지 편당 약 2,0004,000원 수준입니다. 외주 대본 한 편(5~10만 원)과 비교하면 큰 차이입니다.
Q. 어떤 단계에 사람이 개입해야 하나요? ①대본 검수(사실 확인·말맛) ②이미지 컷 교체 ③최종 편집. 이 3곳만 사람이 잡아도 품질이 크게 달라집니다. 특히 대본의 숫자·인용은 AI가 틀릴 수 있으므로 반드시 확인하세요.
Q. 어떤 AI 모델을 써야 하나요? 대본·분석은 추론력이 좋은 프리미엄 모델(예: Claude 최상위 모델), 이미지는 스타일 레퍼런스를 지원하는 모델, 음성은 톤 지시가 가능한 최신 TTS가 기준입니다. 모델 등급을 아끼면 대본에서 티가 가장 많이 납니다.