영상 한 편을 코드로 만들면 생기는 일 — 생성이 아니라 검수가 병목이었어요

지난 4주간 제가 저장한 콘텐츠를 세어보니, 가장 많은 주제가 AI 영상 제작이었어요. 68건. Vox 스타일 모션그래픽 만들기, 무료 영상 생성 모델, 편집 자동화. 제 관심의 온도이기도 하지만, 알고리즘이 이만큼 밀어주는 걸 보면 시장의 온도이기도 할 거예요. 그래서 저도 만들어봤어요. 대본 생성부터 장면 이미지, 음성, 렌더링까지 코드로 잇는 파이프라인이요.

돌아가기는 해요. 그런데 몇 편 만들어보고 알게 된 게 있어요. 유튜브 썸네일들이 말해주지 않는 부분이요.

30초짜리 생성, 30분짜리 확인

영상 생성 자체는 정말 빨라졌어요. 로컬에서 돌려도 몇 초짜리 장면이 몇 분이면 나와요. 문제는 그다음이었어요.

제가 시험한 한국어 음성 생성에서는, 몇 문장에 하나꼴로 사고가 났어요. 영문 약어를 이상하게 읽거나, 문장 끝의 "요"가 뭉개지거나, 단어 하나가 슬쩍 씹히거나. 자동 검사가 아예 무력하진 않아요. 음질 점수를 매기는 도구를 붙여서 후보를 좁힐 수는 있었어요. 그런데 점수는 좋은데 귀로 들으면 이상한 경우가 계속 나왔어요. 숫자가 좋아지는 쪽으로만 최적화되고 정작 듣기 경험은 놓치는, 측정의 함정이에요. 그래서 마지막에는 결국 사람이 들어야 했어요. 자동 검사는 청취를 없애주는 게 아니라, 들을 곳을 줄여주는 것까지였어요.

이미지도 비슷해요. 생성은 기계가 알아서 하는데, "이 장면이 대본과 맞나", "앞 장면과 인물이 같은 사람으로 보이나"는 여전히 눈으로 봐야 해요. 그래서 실제 작업 시간의 배분이 뒤집혀요. 기다리는 시간보다 확인하는 시간이 길어요. 자동화가 만든 건 "무한 생산 기계"가 아니라 무한 검수 대상이었어요.

그래도 자동화하는 이유

이렇게 쓰면 회의론처럼 들릴 수 있는데, 저는 반대예요. 다만 자동화할 대상을 다시 골랐어요.

처음에는 "영상 만들기"를 통째로 자동화하려고 했어요. 지금은 쪼개서 봐요. 대본 초안, 장면 분해, 이미지 생성, 음성 생성, 자막, 렌더링, 업로드. 제 파이프라인에서는 사람이 꼭 봐야 하는 관문이 두 곳이더라고요. 대본이 확정되는 순간과, 최종본을 검수하는 순간. 나머지는 기계가 돌려도 됐어요. 물론 다루는 소재에 따라 저작권이나 사실 확인 같은 관문이 더 생길 수 있을 거예요.

그래서 파이프라인을 관문 중심으로 다시 짰어요. 저해상도 미리보기를 먼저 뽑아서 사람이 승인하면 그때 풀 해상도 생성에 들어가는 식으로요. 비싼 생성을 승인 뒤로 미루니 재작업 비용이 뚝 떨어졌어요.

손맛이 아니라 관문

"AI로 영상 자동화"라는 말에서 사람들이 기대하는 건 손이 안 가는 상태인 것 같아요. 제가 도달한 건 조금 달라요. 손이 가는 곳을 두 군데로 고정한 상태. 전 과정에 조금씩 손이 가던 것이, 정해진 관문 두 곳에만 가게 됐어요.

완전 자동화와 수작업 사이 어딘가에, 각자의 파이프라인이 설 자리가 있을 거예요. 그 자리를 정하는 기준은 기술이 아니라, 내가 어디까지 안 보고 넘길 수 있느냐인 것 같아요. 저는 귀와 눈이 마지막 품질 게이트라는 걸 인정하고 나서야 자동화가 편해졌어요.